ANCOVA：解釋 JMP ANCOVA 結果。 （4種可能的組合）大家好。
我在解釋 JMP 中的 ANCOVA 時遇到問題。
問題1。
我可以使用 IV 作為“連續變量”和“DV 作為連續變量，CV 作為校準類別”嗎？
因為我讀過很多參考文獻，都說「ANCOVA 需要 IV 分類、DV 連續、CV 連續」。
這是非常令人困惑的，因為如果 IV 是分類的，則 IV 和 DV 關係不能定義為線性迴歸......它們只是變異數分析...
不是嗎？？
問題2。
ANCOVA 中有 4 種可能的 JMP 輸出
1-斜率不同，截距不同
2-斜率相同，截距相同
3-斜率不同，截距相同
4-斜率相同，截距不同
我該如何解釋1和3的情況？
當這種情況出現時，似乎還有另一種方法，
但這太複雜了。
請幫我。
消費者與市場研究回覆：ANCOVA：解釋 JMP ANCOVA 結果。 （4種可能的組合）我建議您查看“分析”>“專業建模”>擬合曲線。 您提供測試方法 (Y)、標準方法 (X)，並使用指示符號列（群組）。 在多項式組中選擇線性擬合指令。 擬合輪廓將有自己的選單，其中包含用於評估相似性的等效性和平行性命令。
您是否在每次校準時測試對照樣本？ 您使用控製圖來評估一致性嗎？
回覆：ANCOVA：解釋 JMP ANCOVA 結果。 （4種可能的組合）我想知道使用“擬合曲線”平台是否是一種選擇。本平台支援參數比較；我只將它用於非線性關係，但您可以將它與線性模型一起使用。在這裡，您可以以平均值分析 (ANOM) 的形式對模型中的每一項進行等價檢定。
這是所提供數據的斜率比較@Byron_JMP
以下是 JMP 線上幫助中的連結：
參數對比
回覆：ANCOVA：解釋 JMP ANCOVA 結果。 （4種可能的組合）請不要放棄說服我。
我不需要為我的潛在結論提供堅實的理由。
我需要做的就是決定多行是否被認為是相同的（或不同的）。
您知道，校準（例如每日）曲線應該是相同的，但由於人為錯誤等因素造成了「不一致」。
我確實想決定它們是否可以被視為“相同”。
請幫我。 我需要你的幫助。
回覆：ANCOVA：解釋 JMP ANCOVA 結果。 （4種可能的組合）謝謝你，這很有趣。
然而，池化有什麼意義呢？
合併線路和現有線路之一（例如：A460 1）是否要進行比較？
我認為我不需要那個。
我想得出的最終結論是線條是否都相同。
鑑於您的 jmp 文件，
當交互作用顯著而攔截不顯著時，問題就會出現。 （或相反亦然）
回覆：ANCOVA：解釋 JMP ANCOVA 結果。 （4種可能的組合）
附件是一個範例資料表。 點擊表格腳本旁邊的綠色三角形“池曲線？”
回覆：ANCOVA：解釋 JMP ANCOVA 結果。 （4種可能的組合）我很抱歉，但實際上不是。
我能明白你上一篇文章的要點。
但它不能說明我的問題2。
“我真的很關心坡度是否相同。”
簡單的方法。 （在這種情況下我不需要深入的統計理論）
如果顯著，則不相同。
如果不顯著，則相同。
但以什麼標準呢？坡？截距？
只有兩種情況讓我感到困惑，
- 斜率不顯著，截距顯著
-斜率顯著而截距不顯著。
這樣有道理嗎？到目前為止我還找不到。
回覆：ANCOVA：解釋 JMP ANCOVA 結果。 （4種可能的組合）讓我們先來看看能否先釐清問題2的答案。 我將重新陳述線性模型以強調其解釋。
你適合什麼：Y = b0 + 分類 + 連續 + 分類 * 連續 + 誤差
您的解釋：Y = (b0 + 分類) + (1 + 分類) * 連續 + 誤差
第一個總和是迴歸模型中的常數。 如果第一個和中的分類參數很重要，則它會加到 b0，否則它為零並且不添加任何內容。 如果分類項不顯著，則只有 b0 或公共截距。 OTOH，如果它很重要，那麼就有與分類因素的每個等級相關的唯一或不同的截距。 類似地，如果交互項很重要，則它會添加到公共斜率中，為分類因子的每個層級提供唯一或不同的斜率。 否則，它為零並且只有公共斜率。
這個解釋有幫助嗎？
回覆：ANCOVA：解釋 JMP ANCOVA 結果。 （4種可能的組合）感謝您持續不斷的對話。
我從問題1得到了要點，但無法從問題2得到要點。
這可能是由於對統計學的理解不夠所造成的。
我無法理解“平均差”和“比例差”
我參加過工業工程培訓課程，該課程涉及統計，但到目前為止從未聽說過這個詞...，尤其是比例差異。
平均差是什麼意思？
將這個術語理解為「t 檢定」中的情況是否正確？
在 t 檢定中，我比較第 1 組的平均值和第 2 組的平均值...
順便說一句，線路比較的目的是，
比較“實際坡度”。
pH計、分光光度計、我在現場使用的其他許多儀器都使用由濃度已知的標準製成的<校準曲線>。
一旦完成，就可以測量感興趣的濃度，並透過<校準曲線>計算其濃度。
我認為每個 應該是相同的，即使是在不同的日子製作的。
正如您推斷的那樣，對，它們根本不一樣。
所以，我按照-repeat in day、-day、-operator、-lab等對它們進行排序。
我想在最左邊看到最小的“ANCOVA 顯著性”，在最右邊看到最大的“ANCOVA 顯著性”。 （你會明白，正確的人有更多因素導致可變性）
然而，我已經接近克服「同斜率違規」的障礙。
我真的不在乎來自什麼履歷，可能會認為它們是相同的。
我真的很在意坡度是否相同。
有多少不同？不在乎。
所以在這一點上，我非常需要你的幫助。
請.. ！
回覆：ANCOVA：解釋 JMP ANCOVA 結果。 （4種可能的組合）問題 1：是的，您可以使用 ANCOVA 將模型擬合到連續 DP，其中包含連續 CV、分類 IV 及其交互項。 「ANCOVA」這個名稱是歷史性的，最初的應用是分類因子（單因子變異數分析）和同時考慮的連續協變數的特殊情況。 我們不再使用像 ANCOVA 這樣的術語，因為術語「線性預測器」更通用並且包括特殊情況。 正如我之前所說，我們現在甚至傾向於在更通用的線性迴歸框架中考慮變異數分析，因此我們使用迴歸來分析具有分類因素的模型，並對層級進行適當的編碼。
問題2：第一種情況（斜率不同，截距不同) 被解釋為組別之間的平均差異和組別之間的比例差異。 交互作用很重要，因為斜率取決於分類因素的程度。 第二種情況（斜率不同，截距相同）被解釋為組別之間沒有平均差異，但組別之間存在比例差異。
您提出這些問題的背景是什麼？ 穩定性測試？ 什麼？
回覆：ANCOVA：解釋 JMP ANCOVA 結果。 （4種可能的組合）謝謝您的回覆。
但是，我不明白這一點。
我想明確的是，...
當坡度不均勻時，為什麼我不能說出「線不一樣」。
我曾試圖尋找上述說法的理由。
但是，我不能，我只能發現在違反同質斜率假設時嘗試另一種方法。
為什麼？ ANCOVA 的目的不是比較多條線嗎？
那麼當不是同斜時，很明顯直線是不一樣的。
請讓我明白。請...
回覆：ANCOVA：解釋 JMP ANCOVA 結果。 （4種可能的組合）另一個建議是先在模型中加入協變數項，然後使用順序檢定（類型 1）評估其顯著性。 使用部分測試（類型 3）來評估模型項目的其餘部分。
回覆：ANCOVA：解釋 JMP ANCOVA 結果。 （4種可能的組合）問題 1：您似乎正在考慮經典意義上的變異數分析，可能特別是平衡資料的分析。 現今的變異數分析和變異數分析都是透過線性迴歸進行的。 這只是如何參數化模型的問題。 你仍然有一個線性預測器。 ANCOVA 的線性迴歸模型為 DV = 常數 + IV + CV + CV*IV + 誤差。
您可以查看有關以下內容的豐富 JMP 協助：擬合線性模型和因子參數化的詳細信息。
問題 2：一般方法是擬合完整的 ANCOVA 模型，然後刪除從層次結構頂部開始的項目（即交互效應項）。 JMP 幫助的這一部分有關效果測試可能有幫助。
