En el artículo anterior "Una tabla de funciones JMP mágica para realizar la comparación de todos los grupos de datos", presentamos los métodos comúnmente utilizados entre grupos y las características básicas de las operaciones JMP. Al comienzo de este artículo, analizaremos varios comunes. El método de comparación entre grupos y su proceso de operación se presentan uno por uno. El artículo de hoy comenzará con comparaciones grupales de variables continuas.
Para las comparaciones entre grupos de variables continuas, si desea elegir un método de análisis razonable, hay varios requisitos previos que deben considerarse primero, a saber, la normalidad y la homogeneidad de la varianza.
¿Qué son la normalidad y la homogeneidad de la variación?
Las formas de distribución de datos comunes incluyen distribución normal, distribución de Poisson, distribución exponencial, etc. La prueba de normalidad se refiere a la prueba para determinar si la distribución general se ajusta a la distribución normal. La prueba de homogeneidad del número de variación es una prueba para determinar si el número de variación entre cada grupo de muestras es el mismo.
En la aplicación práctica de comparación entre grupos de variables continuas, un error común que cometen muchas personas es no considerar si los datos se ajustan a la normalidad o la variación, sino utilizar directamente la prueba t o el análisis de variación (ANOVA) para realizar análisis estadísticos sobre los datos y los correctos. El mejor proceso de análisis es observar cómo se ve la distribución de sus datos antes de elegir un método.
El contenido de este artículo es presentar dos condiciones importantes que deben considerarse antes de elegir un método estadístico: cómo juzgar si los datos satisfacen la distribución normal y cómo juzgar si el número de variaciones entre grupos es igual. Sólo cuando se determinen estas dos condiciones se podrá seleccionar un método de análisis razonable.
在JMPprueba de normalidad
A continuación, echemos un vistazo a cómo utilizar la plataforma "Distribución" en JMP para implementar pruebas de normalidad, tomando los datos de la (Figura 1) como ejemplo, para explorar si existen diferencias en los valores de IMC entre fumadores y no fumadores. -Para los fumadores, primero debemos normalizar los valores de la prueba de IMC y luego determinar si utilizamos la prueba t o la prueba de suma de rangos en función de la distribución de los datos.
Figura 1: datos utilizados en este artículo
Cabe señalar que al comparar entre grupos, las pruebas de normalidad deben realizarse en grupos, es decir, la distribución del IMC en los dos grupos de fumadores y no fumadores se prueba por separado, en lugar de la distribución de los valores del IMC. en todas las personas. A continuación, explicaré cómo realizar la operación específica. Primero, seleccione "Análisis" → "Distribución" (Figura 2).
Figura 2 - Diagrama esquemático del paso 1 de la operación de calibración de normalidad
Como queremos explorar la distribución del IMC de dos grupos de personas, fumadores y no fumadores, el IMC es el resultado y el tabaquismo es el grupo. Entonces, en el cuadro de diálogo, coloque el IMC en "Y, columna"; coloque fumar en "Basado" (Figura 3). Los resultados de salida se muestran en la Figura 4.
Figura 3 - Diagrama esquemático del paso 2 de la operación de calibración de normalidad
Figura 4 - Resultados de salida
A menudo se ve "base" en JMP, que significa "por separado" o "estratificado". Por ejemplo, arrastrar el hábito de fumar a la base significa que las operaciones se realizarán en fumadores y no fumadores, respectivamente. Esto es diferente del significado de "agrupación", que significa comparación entre grupos, como comparar las diferencias entre fumadores y no fumadores. En artículos posteriores también explicaremos este concepto.
Si no está acostumbrado a este tipo de gráfico de barras verticales y desea girar el gráfico de barras horizontalmente, puede hacer clic en el botón triangular en la esquina superior izquierda de la interfaz de resultados y seleccionar "Apilar" en el menú desplegable (Figura 5). ).
Figura 5 - Diagrama esquemático de la operación de apilamiento
Los resultados de salida se muestran en la Figura 6. Aquí hay varias estadísticas del IMC para los dos grupos de fumadores y no fumadores respectivamente, incluida la media, la desviación estándar, la mediana, el primer y tercer cuartil, etc.
Figura 6 - Resultados de salida
Haga clic en el botón del triángulo rojo a la izquierda de "IMC" y haga clic en "Ajuste continuo" → "Normalidad de ajuste" en el menú desplegable (Figura 7).
Figura 7 - El tercer paso del diagrama de operación de calibración de normalidad
Los resultados del ajuste normal se muestran en la Figura 8.
Figura 8 Resultados de salida
Haga clic en el botón del triángulo rojo a la izquierda y haga clic en "Bondad de ajuste" en el menú desplegable (Figura 9), y se mostrarán los resultados de la prueba de normalidad.
Figura 9 - Diagrama esquemático del paso 4 de la operación de calibración de normalidad
El resultado de la prueba de normalidad se muestra en (Figura 10). El valor p es igual a 0.9128, el cual es mayor a 0.05. No se puede considerar que no se cumple la distribución normal, es decir, la conclusión de que “los datos no obedecen”. "La distribución normal" no se puede dibujar. Por lo tanto, los datos se pueden tratar como una distribución normal.
Figura 10 - Resultados de la prueba de normalidad
El método de operación de la prueba de normalidad para el IMC de personas no fumadoras es el mismo que el anterior. Los resultados se muestran en la (Figura 11), que es una distribución no normal.
Figura 11 - Resultados de la prueba de normalidad
De acuerdo con los resultados de la prueba de normalidad anterior, debemos utilizar la prueba de suma de rangos para comparar entre grupos, porque siempre que un grupo de datos en los dos conjuntos de datos tenga una distribución no normal, la "prueba de suma de rangos" debe ser utilizado para la comparación entre grupos.
在JMPLograr la prueba de homogeneidad del número de variación en
Si al comparar entre grupos se encuentra que ambos conjuntos de datos están distribuidos normalmente, no significa que la prueba t se pueda realizar directamente. También se requiere una prueba de homogeneidad del número de variación para determinar si es la prueba t o la corregida. La prueba t debe usarse a continuación.
¿Qué es la prueba de homogeneidad de variación?
La prueba de homogeneidad de variación es una prueba para determinar si las variaciones entre grupos son las mismas. ¿Por qué necesitamos probar la homogeneidad de las variaciones? Porque al comparar grupos, si las variaciones entre los grupos son demasiado diferentes, las diferencias en las medias quedarán ocultas, lo que llevará a conclusiones erróneas.
Los métodos comúnmente utilizados para probar la homogeneidad de los números de variación incluyen:
F Prueba bilateral, prueba de Brown-Forsythe, prueba de Levene, suma de comprobación de Bartlett y prueba de O'Brien. Entre ellos, la prueba bilateral F se utiliza para probar la homogeneidad de los números de variación en dos conjuntos de datos; las otras se utilizan para probar la homogeneidad de los números de variación en múltiples conjuntos de datos. En la práctica, el método de Levene y el método de Bartlett son más comunes. Se utiliza, pero el método de Bartlett solo se puede utilizar para datos de normalidad, y el método de Levene también se puede utilizar para datos no normales, con una gama más amplia de aplicaciones.
Tomando los datos de la (Figura 1) como ejemplo, si analiza si existen diferencias en las puntuaciones de salud física de personas con diferentes grados de disnea, primero realizará una prueba de normalidad si los resultados de la prueba encuentran que ambos conjuntos de datos. se distribuyen normalmente, entonces realizarás una prueba de variación homogénea.
La prueba de homogeneidad de variación es un paso importante en la comparación entre grupos, y su operación se implementa en el módulo "Ajustar Y con X" del menú JMP. En el artículo anterior, presentamos brevemente la operación de comparación entre grupos.
Elija Analizar → Ajustar Y por X. En este ejemplo, la puntuación de salud física es el resultado y el grado de disnea es el grupo. Por lo tanto, en el cuadro de diálogo, coloque la puntuación de salud física en "Y, respuesta" y el grado de disnea en "X, factor". Consulte la operación (Figura 12).
Figura 12 - Operación de verificación de discrepancia
Haga clic en el botón del triángulo rojo al lado del análisis de factor único "Puntuación de salud física y disnea" y seleccione "Variaciones desiguales" en el menú desplegable (Figura 13).
Figura 13 Operación de prueba de homogeneidad de variación
Los resultados de salida se muestran en la Figura 14. Si el valor p de la prueba de homogeneidad de las variantes es mayor que 0,05, las variantes pueden considerarse homogéneas.
Figura 14 - Resultados de la prueba de homogeneidad del número de variación
Este caso es una prueba de homogeneidad de números de variación entre dos grupos. Puede elegir cualquier resultado de la prueba (porque los dos grupos son casos especiales de múltiples grupos). Si cada resultado de la prueba muestra P<0,05, la prueba t corregida (prueba t). ).
Nota: Si se trata de una prueba de homogeneidad de variación para múltiples conjuntos de datos, los resultados de la prueba F bilateral no aparecerán en los resultados.
Los anteriores son algunos métodos y precauciones para la prueba de homogeneidad de variación de la suma de control de normalidad basada en JMP que se comparte hoy. En el próximo artículo, presentaremos cómo realizar pruebas t en JMP. ¡Manténganse al tanto! Descargue JMP y comience su viaje de análisis de datos.
Texto original: ¿Cómo implementar la prueba de normalidad y la prueba de homogeneidad de varianza en JMP?
[Lectura recomendada] #10 habilidades imprescindibles para el análisis de datos
