統計新手：在 JMP 中進行哪些測試以及如何進行？您好 JMP 社區，
我對統計比較陌生，並試圖分析 JMP 上的數據集。 有幾個問題。
數據：
- 一個測量的患者值
- ~6 個方程旨在估計測量的患者值
- 患者的人口統計學
目的：
- 確定估計和測量之間的相關性/性能
- 確定從一個估計到下一個估計存在多少變化
- 確定哪個估計方程對某些患者組/人口統計數據表現最佳（即老年患者與年輕患者、不同的合併症、不同的 BMI）
我的問題：
- 對於這些目標中的每一個，您會推薦哪些測試？
- 我正在考慮只用 x 做 y 來確定相關性。 我會先按 x 做 y，然後按人口統計數據來根據某些特徵確定性能嗎？
- 確定每個人從一個估計到下一個估計存在多少變化的最佳方法是什麼？
謝謝，如果您對此和/或問題有任何其他想法，請告訴我。
本
分析數據表蘋果系統回复： Stats 新手：在 JMP 中進行哪些測試以及如何進行測試？據我所知，有很多統計概念/技術可以解決這個問題。 但是，我也有一些不清楚的地方。 這裡有一些想法。
- 我認識到您手頭有一個預測問題，即您想要預測測量的患者值 (Y)。
- 你提到了6個方程。 您沒有提到“預測因素”。 “預測器”是 X 的行話，用於預測 Y。 你可能有不止一個 X。 所以我猜你的每個方程都是一個或多個X的公式。
- Y 的類型將您引導到一個方向，而不是另一個方向。 如果您的 Y 是連續的，例如體重等度量，請尋找最小二乘之類的回歸工具。 如果您的 Y 是二元的，例如好/壞，請尋找邏輯回歸之類的工具。 在 JMP 中，有些地方可以自動判斷要往哪個方向走，例如“Fit Y by X”，或者“Generalized Regression”，所以你不必太擔心 Y 的類型。 在其他地方，你需要弄清楚哪些平台支持什麼類型的 Y。
- 您的方程式也將您引向一個方向，而不是另一個方向。 這取決於你的方程在參數上是否是線性的。 然後你的路徑被分成線性模型或非線性模型。
- 在確定可以應用於數據的模型類型並擬合模型之後，您需要評估模型是否足夠，是否存在任何違反假設的情況。 查找與模型診斷相關的主題。
- 假設模型表現良好，並且您決定比較不同的模型（方程式），則有一種稱為“模型選擇標準”的東西，您可以使用它來評估模型之間的性能。 有一些完全不同的標準：回歸的 R 方，許多其他情況的信息標準。 或者正如您提到的，使用測量值和估計值之間的相關性來確定。 我相信這是我提到的正式方法的一個非常接近的代理。
- 我不明白你的第二個問題。 特別是，您對“從一個估計到下一個估計的變化”的定義是什麼？
- 對於您的最後一個問題，我想您需要按組擬合模型。 然後逐組比較他們的表現。 但是，如果您的 6 個方程將人口統計數據作為預測變量，那麼您可能會遇到變量選擇問題或顯著性檢驗問題。 如果不了解您的方程式和數據，我無法確定。
