配對對分析：將 t 統計量製成表格；多重 Y 反應JMP 社群您好，
對於上下文，如果這有助於 Google 索引，這是蛋白質組實驗的用例，所附範例文件中的各個「測量值」代表各個勝肽測量值。
配對對分析已經給了我我需要的答案（配對分析 (jmp.com))
- 按“GroupBy”分組
- 一次配對兩個條件（例如 Drug00 與 Drug01、Drug00 與 Drug02、Drug00 與 Drug03）
然而，由於我確實只需要雙尾 t 檢定 p 值，所以我目前必須：
- 經過分析 >> 專業建模 >> 配對
- 一次選擇兩個 Y 列（例如 Drug00 和 Drug01）
- 按列透過...分組
- 等待帶有繪圖和所有 t 統計數據的輸出
- 製作組合資料表
- 按第 4 列排序
- 向下捲動到“機率 > |t| 」
- 選擇所有帶有“Prob > |t|”的行在第 4 欄
- 反轉選擇，然後刪除選定的行
問題一：
有沒有一種方法可以透過 JSL 或其他方式，簡單地將所有統計輸出（例如平均差、標準誤差、上/下 95%、機率 > |t|）製成表格，或者更好，只是機率 > |t| ？我不知道如何開始，因為與圖形生成器不同，我不知道如何“保存腳本”。
問題2：
解決「問題 1」對我來說已經有很長的路要走，但是有沒有辦法進行多個配對分析（即Drug00 與 Drug01 , Drug00 與 Drug02 , Drug00 與 Drug03 ）？
分析>>篩選>>反應篩選似乎就是我正在尋找的。啟動回應篩選平台 (jmp.com)
- 藥物01 ,藥物02 ， 和藥物03作為是，回應
- 藥物00作為X
- 分組經過透過...分組
- 檢查：發佈時的 PValues 表和配對 X 和 Y
但是，我不清楚是什麼P值輸出中的列代表。
除此之外P值來自回應篩選工作流程的 p 值與我通過匹配對分析工作流程；這機率 > |t|值來自匹配對分析工作流程似乎更合理。
謝謝你的建議。
資料混合與清理視窗回覆：配對對分析：將 t 統計資料製成表格；多重 Y 反應謝謝你的詳細資料。好的...要使用我所描述的混合模型，您必須先堆疊資料。 最後將有四列：GroupBy（字符，標稱）、Measurement（字符、標稱）、Drug（字符、標稱）和肽測量（數字，連續）。 使用「擬合模型」平台，Y 是您的勝肽測量值，然後將藥物和測量值作為模型效應。 將 GroupBy 作為您的“By”變數。然後，使用“屬性”下拉三角形，將測量設為“隨機效應”（並選取“無界方差分量”，將“強調”設為“效果篩選”）。 這是一個混合模型；之所以稱為混合，是因為它包含固定效應（藥物）和隨機效應（測量）。它「簡單地」是一個雙向變異數分析模型...混合的雙向變異數分析模型。
FWIW，這裡有一些細節： https://www.lexjansen.com/pharmasug/2004/Posters/PO05.pdf
標記
回覆：配對對分析：將 t 統計資料製成表格；多重 Y 反應謝謝你的建議， @MRB3855 。
我承認我不熟悉混合模型或擬合模型。
1）是的，如果您的意思是我們期望相同的變異性，無論 Drug00/Drug01/Drug02/Drug03 列下的值的大小如何（例如不需要對數轉換），我們可以假設同方差性
2）我已將“測量”的屬性更改為數字，連續，但我不明白結果（附後）。
- 也許我沒說清楚：在進行專業建模 >> 配對，我們填充“經過“帶柱的盒子”透過...分組」（不是“X分組”）。
在相關說明中，如果您指的是「配對」分析，您能否指導我哪些模型類型對應於「配對」分析？謝謝。
Fit 模型平台概述 (jmp.com)
回覆：配對對分析：將 t 統計資料製成表格；多重 Y 反應如果我正確理解你的問題，更完整的分析是混合模型。 您的資料集中將包含三列。 GroupBy（字元、名目）、藥物（字元、名目）和勝肽測量（數字、連續）。使用「擬合模型」平台，Y 是您的勝肽測量值，然後將藥物和分組作為模型效應。然後，使用“屬性”下拉三角形，將 GroupBy 設為“隨機效果”（並選取“無界方差分量”，將“重點”設為“效果篩選”）。借助同方差性等通常的假設，這是匹配對分析的廣義版本，可擴展到兩個或更多組（您的案例中的藥物）。 事實上，您可以透過應用僅使用兩種藥物的混合模型來驗證這一點。 結果將與這兩種藥物的配對結果相同。 使用這種混合模型的好處有很多。 其中包括： 每次比較的能力更強，並且擬合模型平台的所有功能都可供您使用（多重比較、變異數分量等）。
標記
回覆：配對對分析：將 t 統計資料製成表格；多重 Y 反應ProteinA 線是錯誤的。只需刪除整行即可。
回覆：配對對分析：將 t 統計資料製成表格；多重 Y 反應在 133K 行和 10 個條件下測試了您的腳本，並解決了兩個問題。
我確實必須編輯蛋白A ，並且稍後需要時間來了解它的實際作用。
SendToByGroup( {:GroupBy == "ProteinA"} ),
謝謝， @tx尼爾森！
回覆：配對對分析：將 t 統計資料製成表格；多重 Y 反應看看這是否對您有幫助
Names Default To Here( 1 );
dt = Current Data Table();
colNames = dt << get column names( continuous );
// Start final data table
dtFinal = New Table( "Final", New Column( "Comparison", character ) );
For( i = 2, i <= N Items( colNames ), i++,
platform = Data Table( "Matched_Pair_by_Group" ) <<
Matched Pairs(
invisible,
SendToByGroup( {:GroupBy == "ProteinA"} ),
Y( colNames[1], colNames[i] ),
By( :GroupBy )
);
Wait( 0 );
// Make combined data table
dtCombined = Report( platform[1] )[Table Box( 1 )] << Make Combined Data Table;
// Close report window
Report( platform[1] ) << Close Window;
// Keep only the Prob > |t| rows
dtCombined << select where( :column 4 != "Prob > |t|" );
dtCombined << delete rows;
// Add the comparison column
dtCombined << New Column( "Comparison",
character,
set each value( colNames[1] || " vs. " || colNames[i] )
);
// Add the data table to the Final data table
dtFinal << concatenate( dtCombined, Append to first table( 1 ) );
// Delete the Combined table
Close( dtCombined, nosave );
);
