统计新手：在 JMP 中进行哪些测试以及如何进行？您好 JMP 社区，
我对统计比较陌生，并试图分析 JMP 上的数据集。 有几个问题。
数据：
- 一个测量的患者值
- ~6 个方程旨在估计测量的患者值
- 患者的人口统计学
目的：
- 确定估计和测量之间的相关性/性能
- 确定从一个估计到下一个估计存在多少变化
- 确定哪个估计方程对某些患者组/人口统计数据表现最佳（即老年患者与年轻患者、不同的合并症、不同的 BMI）
我的问题：
- 对于这些目标中的每一个，您会推荐哪些测试？
- 我正在考虑只用 x 做 y 来确定相关性。 我会先按 x 做 y，然后按人口统计数据来根据某些特征确定性能吗？
- 确定每个人从一个估计到下一个估计存在多少变化的最佳方法是什么？
谢谢，如果您对此和/或问题有任何其他想法，请告诉我。
本
分析数据表苹果系统回复： Stats 新手：在 JMP 中进行哪些测试以及如何进行测试？据我所知，有很多统计概念/技术可以解决这个问题。 但是，我也有一些不清楚的地方。 这里有一些想法。
- 我认识到您手头有一个预测问题，即您想要预测测量的患者值 (Y)。
- 你提到了6个方程。 您没有提到“预测因素”。 “预测器”是 X 的行话，用于预测 Y。 你可能有不止一个 X。 所以我猜你的每个方程都是一个或多个X的公式。
- Y 的类型将您引导到一个方向，而不是另一个方向。 如果您的 Y 是连续的，例如体重等度量，请寻找最小二乘之类的回归工具。 如果您的 Y 是二元的，例如好/坏，请寻找逻辑回归之类的工具。 在 JMP 中，有些地方可以自动判断要往哪个方向走，例如“Fit Y by X”，或者“Generalized Regression”，所以你不必太担心 Y 的类型。 在其他地方，你需要弄清楚哪些平台支持什么类型的 Y。
- 您的方程式也将您引向一个方向，而不是另一个方向。 这取决于你的方程在参数上是否是线性的。 然后你的路径被分成线性模型或非线性模型。
- 在确定可以应用于数据的模型类型并拟合模型后，您需要评估模型是否足够，是否存在违反假设的情况。 查找与模型诊断相关的主题。
- 假设模型表现良好，并且您决定比较不同的模型（方程），则有一种称为“模型选择标准”的东西，您可以使用它来评估模型之间的性能。 有一些完全不同的标准：回归的 R 方，许多其他情况的信息标准。 或者正如您提到的，使用测量值和估计值之间的相关性来确定。 我相信这是我提到的正式方法的一个非常接近的代理。
- 我不明白你的第二个问题。 特别是，您对“从一个估计到下一个估计的变化”的定义是什么？
- 对于您的最后一个问题，我想您需要按组拟合模型。 然后逐组比较他们的表现。 但是，如果您的 6 个方程将人口统计数据作为预测变量，那么您可能会遇到变量选择问题或显着性检验问题。 如果不了解您的方程式和数据，我无法确定。
