이전 기사 "A Magical JMP Function Table, Realizing the Comparison of All Groups Data"에서 그룹 간에 보다 일반적으로 사용되는 방법과 JMP 작업의 기본 기능을 소개했습니다. 공통 그룹간 비교 방법과 그 운영 과정을 하나씩 소개한다. 오늘의 기사는 연속 변수 그룹 간의 비교로 시작합니다.
집단간 연속변수의 비교를 위해 합리적인 분석방법을 선택하기 위해서는 우선적으로 고려해야 할 몇 가지 전제조건이 있다.
분산의 정규성과 동질성이란 무엇입니까?
일반적인 데이터 분포 패턴에는 정규 분포, 푸아송 분포, 지수 분포 등이 있습니다. 정규성 검정은 모집단이 정규 분포를 따르는지 여부를 판단하는 검정을 말합니다. 분산 동질성 검정은 각 그룹의 표본 간의 분산이 동일한지 여부에 대한 검정입니다.
연속 변수 그룹 간의 비교를 실제로 적용할 때 많은 사람들이 범하는 일반적인 실수는 데이터가 정상 상태 또는 분산에 맞는지 여부를 고려하지 않고 t-검정 또는 분산 분석(ANOVA)을 사용하여 수행하는 것입니다. 데이터에 대한 통계적 분석이며 정확합니다. 분석 프로세스는 방법을 선택하기 전에 데이터 분포가 어떻게 보이는지 확인하는 것입니다.
이 기사의 내용은 통계 방법을 선택하기 전에 고려해야 할 두 가지 중요한 조건, 즉 데이터가 정규 분포를 충족하는지 여부를 판단하는 방법과 그룹 간의 분산이 동일한지 여부를 판단하는 방법을 소개하는 것입니다. 이 두 가지 조건이 결정되어야 합리적인 분석 방법을 선택할 수 있습니다.
존재하다 JMP 일반 체크
다음으로 JMP에서 "분포" 플랫폼을 사용하여 정규성 검증을 달성하는 방법을 살펴보겠습니다. (그림 1)의 데이터를 예로 들어 흡연과 비흡연의 BMI 값 사이에 차이가 있는지 살펴보겠습니다. -흡연자.먼저 BMI 값을 정규화해야 합니다.테스트한 다음 데이터 분포에 따라 t 테스트 또는 순위 합계 테스트를 사용할지 여부를 판단합니다.
그림 1-이 기사에서 사용된 데이터
주의할 점은, 그룹간 비교시 BMI의 분포가 아니라 그룹을 나누어 정상상태검사 즉, 흡연자와 비흡연자의 두 그룹 간의 BMI 분포를 검사하는 것이 필요하다는 점이다. 모든 사람을 위한 가치. 다음으로 특정 작업을 수행하는 방법을 설명하겠습니다.먼저 "분석" → "분포"를 선택합니다(그림 2).
그림 2-정상 검증 작업의 첫 번째 단계
흡연자와 비흡연자 사이의 BMI 분포를 살펴보고 싶기 때문에 BMI는 결과이고 흡연은 그룹입니다. 따라서 BMI를 대화 상자의 "Y, 행"에 입력하고 흡연을 "기준"에 입력합니다(그림 3). 출력 결과는 그림 4에 나와 있습니다.
그림 3-정상 검증 작업 2단계의 개략도
그림 4-출력 결과
"기초"는 JMP에서 종종 볼 수 있는데, 이는 "분리된" 또는 "계층화"를 의미합니다. 예를 들어, 흡연을 기준으로 끌어오는 것은 흡연자와 비흡연자에 대해 별도로 작업을 수행하는 것을 의미합니다. 이는 흡연자와 비흡연자의 차이를 비교하는 것과 같이 그룹 간의 비교를 의미하는 "그룹화"와 다릅니다. 다음 기사에서 이 개념에 대해 설명합니다.
이 수직 막대 그래프에 익숙하지 않고 막대 그래프를 수평으로 돌리려면 결과 인터페이스의 왼쪽 상단 모서리에 있는 삼각형 버튼을 클릭하고 드롭다운 메뉴에서 "스택"을 선택하면 됩니다(그림 5). .
그림 5-스태킹 작업의 개략도
출력 결과는 그림 6에 나와 있습니다. 다음은 평균, 표준 편차, 중앙값, 1사분위수 및 3사분위수 등을 포함하여 두 그룹의 흡연자와 비흡연자의 BMI에 대한 다양한 통계입니다.
그림 6-출력 결과
"BMI" 왼쪽에 있는 빨간색 삼각형 버튼을 클릭하고 드롭다운 메뉴에서 "Continuous Fit" → "Fit Normal"을 클릭합니다(그림 7).
그림 7-정상 검증 작업의 세 번째 단계
정상 피팅의 결과는 그림 8에 나와 있습니다.
그림 8 출력 결과
왼쪽의 빨간색 삼각형 버튼을 클릭하고 드롭다운 메뉴에서 "Goodness of Fit"을 클릭하면(그림 9) 일반 테스트 결과가 표시됩니다.
그림 9-정상 검증 작업 4단계의 개략도
정규성 검정 결과는 (그림 10)과 같으며 p-값이 0.9128 이상 0.05 이상으로 정규분포를 만족하지 않는다고 볼 수 없다. 정규 분포를 따르지 않으므로 데이터를 정규 분포로 취급할 수 있습니다.
그림 10-정상 검증 결과
비흡연자에 대한 정상 BMI 검사 방법은 위와 동일하며, 그 결과는 비정상 분포인 (그림 11)과 같다.
그림 11-정상 검증 결과
위의 일반 테스트 결과에 따르면 그룹 간의 비교를 위해 순위 합계 테스트를 사용해야 합니다. 두 데이터 세트에서 데이터 세트가 비정상적으로 분포되어 있는 한 "순위 합계 테스트"를 사용해야 하기 때문입니다. 그룹 간의 비교를 위해.
존재하다 JMP 분산의 균질성 테스트를 달성하십시오.
그룹 간을 비교할 때 두 데이터 집합이 정규 분포를 따르는 것으로 판명되면 t 검정을 직접 수행할 수 있음을 의미하지 않으며 t 검정을 수행해야 하는지 여부를 결정하기 위해 분산의 동질성 검정도 필요합니다. 다음에 사용되거나 조정된 t 검정(T' 검정).
분산의 동질성 검정이란 무엇입니까?
분산 동질성 검정은 그룹 간의 분산이 동일한지 여부에 대한 검정입니다. 분산의 동질성을 테스트해야 하는 이유는 무엇입니까? 그룹 간을 비교할 때 그룹 간의 분산이 너무 크면 평균의 차이가 가려져 잘못된 결론으로 이어지기 때문입니다.
분산의 동질성을 테스트하기 위해 일반적으로 사용되는 방법은 다음과 같습니다.
F 양측 검정, Brown-Forsythe 검정, Levene 검정, Bartlett 체크섬 및 O'Brien 검정. 그 중 F-bilateral 검정은 두 데이터 집합의 분산 동질성을 검정하는 데 사용하고 나머지는 여러 데이터 집합의 분산 동질성을 검정하는 데 사용하며 실제로 Levene 방법과 Bartlett 방법 일반적으로 많이 사용되는 방법은 Bartlett 방법이 정상 데이터에만 사용 가능하며 Levene 방법은 비정상 데이터에도 사용할 수 있어 적용 범위가 더 넓습니다.
(그림 1)의 데이터를 예로 들어 호흡곤란 정도가 다른 사람들 사이에 신체건강점수에 차이가 있는지 분석하면 먼저 정규성 검정을 수행한다. 정규 분포에서 분산 검증의 동질성을 수행합니다.
분산 균질성 테스트는 그룹 간의 비교를 위한 중요한 단계이며 해당 작업은 JMP 기능 테이블 "Fit X with Y" 모듈에서 구현됩니다. 이전 기사에서 그룹 간 비교 작업에 대해 간략하게 소개했습니다.
"분석" → "Y에 X 맞추기"를 선택합니다. 이 경우 신체 건강 점수가 결과이고 호흡곤란 정도가 그룹입니다. 따라서 대화 상자에서 신체 건강 점수를 "Y, 응답"에 입력하고 호흡 곤란 정도를 "X, 요인"에 입력합니다. 작업에 대해서는 (그림 12) 참조.
그림 12-차이 검증 작업
"호흡곤란-신체 건강 점수"의 단일 요인 분석 옆에 있는 빨간색 삼각형 버튼을 클릭하고 드롭다운 메뉴에서 "불균등 분산"을 선택합니다(그림 13).
그림 13 분산의 동질성 검정 작업
출력 결과는 그림 14와 같다. 분산 동질성 검정의 p-값이 0.05보다 크면 분산이 동질하다고 볼 수 있다.
그림 14 - 분산의 동질성 검정 결과
이 경우는 두 그룹의 분산의 동질성에 대한 테스트로 두 그룹 중 하나를 선택할 수 있으며(두 그룹은 다중 그룹의 특수한 경우이기 때문에) 각 테스트 결과는 P<0.05, 수정된 t 테스트( t' 테스트)).
참고: 여러 데이터 세트의 분산 동질성 검정인 경우 F 양측 검정의 결과는 결과에 나타나지 않습니다.
이상은 오늘 공유된 JMP의 전체 및 분산의 정규성 검사를 기반으로 한 동질성 검정에 대한 몇 가지 방법 및 주의 사항입니다. 다음 기사에서는 JMP에서 t 테스트를 수행하는 방법을 소개합니다. 계속 지켜봐 주세요! JMP를 다운로드하고 데이터 분석 여정을 시작하십시오.
원래의: JMP에서 정규성 테스트 및 분산의 동질성 테스트를 구현하는 방법은 무엇입니까?
[추천도서] 데이터 분석을 위해 꼭 배워야 할 10가지 스킬
