ANCOVA: Interpretieren Sie das JMP ANCOVA-Ergebnis. (4 mögliche Kombinationen)Hallo alle.
Ich habe Probleme mit der Interpretation der ANCOVA in JMP.
Problem 1.
Kann ich IV als „kontinuierliche Variable“ und „DV als kontinuierliche Variable, CV als kategoriale Variable“ verwenden?
Da ich viele Hinweise gelesen hatte, die besagten: „ANCOVA braucht IV-kategorisch, DV-kontinuierlich, CV-kontinuierlich“.
Es ist sehr verwirrend, denn wenn IV kategorisch ist, kann die Beziehung zwischen IV und DV nicht als lineare Regression definiert werden ... es handelt sich lediglich um eine ANOVA ...
nicht wahr??
Problem 2.
Es gibt 4 mögliche JMP-Ausgaben in ANCOVA
1- Steigung unterschiedlich, Achsenabschnitt unterschiedlich
2- Steigung gleich, Schnittpunkt gleich
3- Steigung unterschiedlich, Schnittpunkt gleich
4- Steigung gleich, Achsenabschnitt unterschiedlich
Wie kann ich die Fälle 1 und 3 interpretieren?
In dieser Situation scheint es einen anderen Ansatz zu geben:
aber es ist zu kompliziert.
Bitte hilf mir.
Verbraucher- und MarktforschungBetreff: ANCOVA: Interpretieren Sie das JMP ANCOVA-Ergebnis. (4 mögliche Kombinationen)Ich schlage vor, dass Sie sich Analyse > Spezialisierte Modellierung > ansehen Kurve anpassen . Sie geben die Testmethode (Y) und die Standardmethode (X) an und verwenden eine Indikatorspalte (Gruppe). Wählen Sie den Befehl „Lineare Anpassung“ in der Gruppe „Polynom“. Die Anpassungsgliederung verfügt über ein eigenes Menü mit Äquivalenz- und Parallelitätsbefehlen zur Beurteilung der Ähnlichkeit.
Testen Sie bei jeder Kalibrierung Kontrollproben? Verwenden Sie Kontrolldiagramme, um die Konsistenz zu bewerten?
Betreff: ANCOVA: Interpretieren Sie das JMP ANCOVA-Ergebnis. (4 mögliche Kombinationen)Ich frage mich, ob die Verwendung der Fit Curve-Plattform eine Option sein könnte.Diese Plattform unterstützt den Vergleich von Parametern; Ich habe es bisher nur für nichtlineare Beziehungen verwendet, aber Sie können es mit einem linearen Modell verwenden.Hier können Sie für jeden Term im Modell einen Äquivalenztest in Form einer Mittelwertanalyse (ANOM) durchführen.
Hier ist ein Vergleich der Steigungen für die von bereitgestellten Daten @Byron_JMP
Hier ist der Link in der Online-Hilfe von JMP:
Parametervergleich
Betreff: ANCOVA: Interpretieren Sie das JMP ANCOVA-Ergebnis. (4 mögliche Kombinationen)Bitte gib nicht auf, mich zu überzeugen.
Ich brauche keine soliden Begründungen für meine mögliche Schlussfolgerung.
Ich muss lediglich entscheiden, ob mehrere Zeilen als gleich betrachtet werden (oder nicht).
Sie wissen, die Kalibrierungskurve (z. B. täglich) sollte dieselbe sein, aber Faktoren wie menschliches Versagen tragen zu ihrer „Inkonsistenz“ bei.
Ich möchte entscheiden, ob sie als „gleich“ behandelt werden können oder nicht.
Bitte hilf mir. Ich brauche deine Hilfe.
Betreff: ANCOVA: Interpretieren Sie das JMP ANCOVA-Ergebnis. (4 mögliche Kombinationen)Vielen Dank, es ist interessant.
Doch welchen Sinn hat das Pooling?
Sollen die gepoolte Leitung und eine der bestehenden Leitungen (z. B. A460 1) verglichen werden?
Ich glaube nicht, dass ich das brauche.
Die letzte Schlussfolgerung, die ich ziehen möchte, ist, ob die Linien alle gleich sind oder nicht.
Angesichts Ihrer JMP-Datei,
Das Problem entsteht, wenn die Interaktion signifikant ist und das Abfangen nicht. (oder umgekehrt)
Betreff: ANCOVA: Interpretieren Sie das JMP ANCOVA-Ergebnis. (4 mögliche Kombinationen)
Im Anhang finden Sie eine Beispieldatentabelle. Klicken Sie auf das grüne Dreieck neben dem Tabellenskript „Poolkurven?“)
Betreff: ANCOVA: Interpretieren Sie das JMP ANCOVA-Ergebnis. (4 mögliche Kombinationen)Es tut mir leid, aber eigentlich nicht.
Ich kann den Sinn deines letzten Beitrags nachvollziehen.
Aber es kann nicht sagen, dass mein Problem 2.
„Es ist mir wirklich wichtig, ob die Pisten gleich sind oder nicht.“
Einfacher Ansatz. (In diesem Fall brauche ich keine tiefgreifende Statistiktheorie)
Wenn signifikant, nicht dasselbe.
Wenn nicht signifikant, dasselbe.
Aber nach welchen Kriterien? Neigung? abfangen?
Es gibt nur 2 Fälle, in denen ich verwirrt bin,
-Steigung unbedeutend und Achsenabschnitt signifikant
-Steigung signifikant und Achsenabschnitt unsignifikant.
Und hat das Gründe?Bisher kann ich es nicht finden.
Betreff: ANCOVA: Interpretieren Sie das JMP ANCOVA-Ergebnis. (4 mögliche Kombinationen)Mal sehen, ob wir zunächst die Antwort auf Problem 2 finden können. Ich werde das lineare Modell noch einmal formulieren, um seine Interpretation hervorzuheben.
Was Sie anpassen: Y = b0 + kategorial + kontinuierlich + kategorial * kontinuierlich + Fehler
Was Sie interpretieren: Y = (b0 + kategorial) + (1 + kategorial) * kontinuierlich + Fehler
Die erste Summe ist die Konstante im Regressionsmodell. Wenn der kategoriale Parameter in der ersten Summe signifikant ist, addiert er sich zu b0, andernfalls ist er Null und fügt nichts hinzu. Wenn der kategoriale Term nicht signifikant ist, gibt es nur b0 oder den gemeinsamen Achsenabschnitt. OTOH, wenn es signifikant ist, dann ist jeder Ebene des kategorialen Faktors ein eindeutiger oder unterschiedlicher Achsenabschnitt zugeordnet. Wenn der Interaktionsterm ebenfalls signifikant ist, wird er zur gemeinsamen Steigung addiert, um für jede Ebene des kategorialen Faktors eine eindeutige oder unterschiedliche Steigung zu ergeben. Ansonsten ist sie Null und es gibt nur die gemeinsame Steigung.
Hilft diese Erklärung?
Betreff: ANCOVA: Interpretieren Sie das JMP ANCOVA-Ergebnis. (4 mögliche Kombinationen)Vielen Dank für dieses kontinuierliche Gespräch.
Ich habe den Punkt aus Problem 1 verstanden, komme jedoch bei 2 nicht weiter.
Dies kann auf unzureichendes Verständnis der Statistik zurückzuführen sein.
Ich kann den „mittleren Unterschied“ und den „proportionalen Unterschied“ nicht verstehen.
Ich hatte eine Ausbildung zum Wirtschaftsingenieur, in der es um Statistik geht, habe aber bisher noch nie von diesem Wort gehört ... insbesondere von proportionaler Differenz.
Was meinst du mit mittlerer Differenz?
Ist es richtig, diesen Begriff als Fall im „t-Test“ zu verstehen?
Im T-Test vergleiche ich den Mittelwert von Gruppe1 und den Mittelwert von Gruppe2 ...
Der Zweck des Linienvergleichs besteht übrigens darin,
um die „tatsächliche Steigung“ zu vergleichen.
pH-Meter, Spektrophotometer, Die anderen vielen Instrumente, die ich vor Ort verwende, verwenden die , die anhand bekannter Konzentrationsstandards erstellt wird.
Sobald die gewünschte Konzentration gemessen wurde, kann die Konzentration über berechnet werden.
Ich nahm an, dass jeder sollte gleich sein, auch wenn sie an verschiedenen Tagen erstellt wurden.
Wie Sie schon vermutet haben, sind sie überhaupt nicht gleich.
Also habe ich sie nach -repeat in day, -day, -operator, -lab usw. sortiert.
Ich möchte die minimale „ANCOVA-SIGNIFIKANZ“ ganz links und die größte „Ancova-Signifikanz“ ganz rechts sehen. (Sie würden verstehen, dass der richtige Faktor mehr Faktoren hat, als zur Variabilität beizutragen.)
Allerdings habe ich versucht, diese „Homo-Slope-Verletzung“ zu überwinden.
Es ist mir wirklich egal, aus welchem Lebenslauf, es könnte möglich sein, sie als gleich zu betrachten.
Es ist mir wirklich wichtig, ob die Pisten gleich sind oder nicht.
Wie viel anders? egal.
In diesem Punkt benötige ich dringend Ihre Hilfe.
Bitte.. !
Betreff: ANCOVA: Interpretieren Sie das JMP ANCOVA-Ergebnis. (4 mögliche Kombinationen)Problem 1: Ja, Sie können ANCOVA verwenden, um ein Modell mit Termen für den kontinuierlichen CV, den kategorialen IV und deren Interaktion an den kontinuierlichen DP anzupassen. Der Name „ANCOVA“ ist historisch und die ursprüngliche Anwendung war ein Sonderfall eines kategorialen Faktors (einfaktorielle ANOVA) und einer kontinuierlichen Kovariate, die gleichzeitig berücksichtigt werden sollten. Wir verwenden Begriffe wie ANCOVA nicht mehr häufig, da der Begriff „linearer Prädiktor“ allgemeiner ist und den Sonderfall umfasst. Wie ich bereits sagte, denken wir mittlerweile sogar über ANOVA in einem allgemeineren linearen Regressionsrahmen nach, sodass wir Regression verwenden, um Modelle mit kategorialen Faktoren und entsprechender Kodierung der Ebenen zu analysieren.
Problem 2: Der erste Fall ( Steigung unterschiedlich, Achsenabschnitt unterschiedlich ) wird als mittlere Differenz zwischen Gruppen und als proportionale Differenz zwischen Gruppen interpretiert. Die Interaktion ist wichtig, da die Steigung von der Höhe des kategorialen Faktors abhängt. Der zweite Fall ( Steigung unterschiedlich, Achsenabschnitt gleich ) wird als kein mittlerer Unterschied zwischen den Gruppen interpretiert, es besteht jedoch ein proportionaler Unterschied zwischen den Gruppen.
Was ist Ihr Kontext für diese Fragen? Stabilitätsprüfung? Was?
Betreff: ANCOVA: Interpretieren Sie das JMP ANCOVA-Ergebnis. (4 mögliche Kombinationen)Vielen Dank für Ihre Antwort.
Allerdings kann ich den Punkt nicht verstehen.
Was ich klarstellen möchte ist,...
Warum kann ich nicht sagen, dass „Linie nicht gleich ist“, wenn die Steigung heterogen ist?
Ich hatte versucht, die Gründe für die obige Aussage herauszufinden.
Allerdings konnte ich nicht, ich konnte nur herausfinden, dass ich eine andere Methode ausprobieren sollte, wenn die Homo-Slope-Annahme verletzt wird.
Warum? Ist es nicht der Zweck von ANCOVA, mehrere Zeilen zu vergleichen?
Wenn dann keine Homosteigung vorliegt, ist es so offensichtlich, dass die Linien nicht gleich sind.
Bitte machen Sie es mir verständlich. Bitte...
Betreff: ANCOVA: Interpretieren Sie das JMP ANCOVA-Ergebnis. (4 mögliche Kombinationen)Ein weiterer Vorschlag besteht darin, den Kovariatenterm ZUERST in das Modell einzufügen und dann seine Signifikanz mithilfe sequenzieller Tests (Typ 1) zu bewerten. Verwenden Sie Teiltests (Typ 3), um die restlichen Modellbedingungen zu bewerten.
Betreff: ANCOVA: Interpretieren Sie das JMP ANCOVA-Ergebnis. (4 mögliche Kombinationen)Problem 1: Sie denken offenbar an ANOVA im klassischen Sinne, wahrscheinlich speziell an die Analyse ausgewogener Daten. ANOVA und ANCOVA werden heute alle mit linearer Regression durchgeführt. Es kommt nur darauf an, wie Sie das Modell parametrisieren. Sie haben immer noch einen linearen Prädiktor. Ihr lineares Regressionsmodell für ANCOVA ist DV = Konstante + IV + CV + CV*IV + Fehler.
Schauen Sie sich vielleicht die ausführliche JMP-Hilfe an Anpassung linearer Modelle und das Details zur Faktorparametrisierung .
Problem 2: Der allgemeine Ansatz besteht darin, das vollständige ANCOVA-Modell anzupassen und dann Begriffe zu entfernen, die mit der Spitze der Hierarchie beginnen (dh Begriff für Interaktionseffekt). In diesem Abschnitt der JMP-Hilfe geht es um Wirkungstests könnte helfen.
