等價測試是否有可用於分類資料的等價檢驗程序（即自變數和因變數都是分類資料）？
受荷爾蒙程序、哺乳期和年齡類別影響的生育力的名義邏輯擬合沒有顯示統計數據。簽名。影響。 我的印像是，除非我們採用等價檢定比較來統計驗證這種說法（？），否則得出平均值之間沒有差異的結論是不合適的。
非常感謝！
回覆：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性測試（多重比較）。 我只是想強調彼得的觀點，即差異或等價的假設檢定是非常不同的。 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迴歸來測試關聯並沒有發現任何關聯，那麼您就完成了。 您不需要顯示統計上顯著的等效性。
如果你對這個結果感到驚訝，那麼也許這是研究力度的問題。
回覆：等價測試一般來說，聽起來您可能會混淆等價檢定和假設檢定這兩個分析概念。 這是兩種截然不同的決策。 假設檢驗永遠無法確定地證明任何事。 所有允許人們做的就是在一組特定的規定條件下拒絕或未能拒絕零假設，例如阿爾法風險、給定的樣本量等。這兩個結論中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價測試用於不同的上下文。 我的同事@馬克貝利例如，在這個空間中編寫了一個很好的 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，將非線性模型與數據擬合是很常見的，並且在這種情況下使用不同類型的「等效測試」。 JMP 的擬合曲線平台支持這些：
http://www.jmp.com/support/help/13-2/Equivalence_Test_2.shtml
回覆：等價測試好吧，零假設是沒有差異，這就是我們的假設，直到我們能夠證明令人信服的相反證據。這並不等於說你為零假設提供了強有力的證據，所以你在這方面是對的。因此，如果足以說明沒有足夠的證據表明荷爾蒙程序、哺乳和年齡類別對生育能力有影響，那麼你就完成了。
如果您需要證明影響很小以至於幾乎可以忽略不計，那麼類似於分類資料的等價性檢驗的東西將是必要的。
您可以透過查看每個模型項目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實際上可以忽略不計的某個範圍內，那麼您就可以得出您正在尋找的結論。然而，我認為當您談論 Logit 空間中的效應大小時，提出一個您認為幾乎可以忽略不計的範圍可能有點困難。
