等效性檢驗是否有可用於分類數據的等價檢驗程序（即自變量和因變量都是分類數據）？
受激素程序、哺乳期和年齡類別影響的生育力的名義邏輯擬合顯示沒有統計數據。簽名。影響。 我的印像是，除非我們採用等價檢驗比較來統計驗證此類聲明（？），否則得出均值之間沒有差異的結論是不合適的。
非常感謝！
回复：等價測試事實證明，如果您有 JMP Pro，JMP 在廣義回歸平台中提供等價測試（在多重比較下）。 我只想強調彼得的觀點，即對差異或等價的假設檢驗是非常不同的。 您的選擇完全取決於您要測試的內容（替代假設）。 如果您使用名義邏輯回歸來測試關聯但沒有發現任何關聯，那麼您就完成了。 您不需要顯示具有統計意義的等效性。
如果您對這個結果感到驚訝，那麼也許這與研究的力量有關。
回复：等價測試一般來說，聽起來您可能會混淆等價檢驗和假設檢驗這兩個分析概念。 這是兩種截然不同的決定。 假設檢驗永遠不能肯定地證明任何事情。 對於給定的樣本量等，在特定規定的一組條件（例如阿爾法風險）下，所有允許做的就是拒絕或拒絕拒絕原假設。這兩個結論中的任何一個都沒有涵蓋等價的概念. 等效性測試是一種完全不同的分析方法。
有幾種不同類型的等效測試用於不同的上下文。 我的同事@Mark_Bailey例如在這個空間寫了一個很好的 JMP 腳本：
https://community.jmp.com/t5/JMP-Scripts/Test-for-Parameter-Equivalence/ta-p/29375/jump-to/first-unread-message
此外，通常在生物技術環境中，將非線性模型擬合到數據是很常見的，並且在這種情況下使用了不同類型的“等效性測試”。 這些在 JMP 的擬合曲線平台中受支持：
http://www.jmp.com/support/help/13-2/Equivalence_Test_2.shtml
回复：等價測試好吧，零假設是沒有區別，這就是我們假設的，直到我們能夠證明相反的令人信服的證據。這與說您為零假設提供了強有力的證據不同，所以您在這方面是對的。所以，如果說沒有足夠的證據表明荷爾蒙程序、哺乳期和年齡類別對生育能力有影響就足夠了，那麼你就完成了。
如果您需要證明影響是如此之小以至於它們實際上可以忽略不計，那麼類似於對分類數據進行等價測試的東西是必要的。
您可以通過查看每個模型項的置信區間來有效地做到這一點。如果它們都包含在您認為幾乎可以忽略不計的某個範圍內，那麼您可以得出您正在尋找的那種結論。但是，當您談論 logit 空間中的效果大小時，我認為提出一個您認為幾乎可以忽略不計的範圍可能有點困難。
