Erstellen eines Äquivalenzdiagramms für mehrere VariablenIch arbeite an der Erstellung eines Äquivalenzdiagramms für mehrere Attribute eines Prozesses. Ich habe gesehen, dass es möglich ist, die Äquivalenzwerte zu normalisieren und sie alle in demselben Diagramm darzustellen. Kann mir jemand erklären, wie das geht?
Verbraucher- und MarktforschungDatenexploration und -visualisierungMassenanpassungBetreff: Erstellen eines Äquivalenzdiagramms für mehrere VariablenNur um es klarzustellen: Ich würde keine standardisierten Variablen verwenden, um Äquivalenztests gegen eine standardisierte Differenz durchzuführen, um praktisch Null anzunehmen. Ich denke, das würde zu einem sehr verwirrenden Durcheinander bei der Interpretation führen.
Wenn ich eine ganze Reihe von Äquivalenztests durchführen müsste, würde ich das in Fit Model einrichten, etwa so:
dt = Data Table( "attribute data 7" );
obj = dt<<FIT model=""></FIT>
Dieser Ansatz führt einen tatsächlichen TOST mit einem Alpha-Wert von 0,1 durch, es handelt sich also um einen TOST von 95 %.
Der letzte Teil des Skripts stellt eine kombinierte Ergebnistabelle aller Variablen zusammen.
Betreff: Erstellen eines Äquivalenzdiagramms für mehrere VariablenIch habe die Antwort auf meine Frage an Byron gefunden.@MANOVATurtle779 Wenn Sie sich für die Route entscheiden, schlägt Byron vor, dass Sie einen genauen Blick auf die folgenden Links werfen sollten, um sicherzustellen, dass Sie die für Sie interessanten „Äquivalenz“-Vergleiche im Vergleich zu paarweisen Vergleichen, falschen Entdeckungsraten usw. beantworten.Der erste stammt aus der JMP-Hilfe. Die anderen beiden sind die relevanten Referenzen, die in der JMP-Hilfe zitiert werden.
https://www.jmp.com/support/help/en/17.1/index.shtml#page/jmp/means-differences-data-table.shtml
http://engr.case.edu/ray_soumya/mlrg/controlling_fdr_benjamini95.pdf
https://pubmed.ncbi.nlm.nih.gov/3450848/
Betreff: Erstellen eines Äquivalenzdiagramms für mehrere VariablenHallo Byron: Aus der JMP-Hilfe ist unklar, was die Null- und Alternativhypothese für die Testergebnisse „Praktische Unterschiede“ über die von Ihnen beschriebene Antwort-Screening-Plattform sind.Ist es dasselbe wie der TOST-Ansatz (zwei einseitige Tests), der auf der Fit Model-Plattform verwendet wird? https://www.jmp.com/support/help/en/17.0/index.shtml#page/jmp/equivalence-test-reports.shtml
Betreff: Erstellen eines Äquivalenzdiagramms für mehrere VariablenIch werde diesen Vorschlag nicht als gültige Methode zur Äquivalenz unterstützen, aber hier erfahren Sie, wie es geht.
1. Stapeln Sie alle Ihre Attribute (Tabellen>Stapel)
2. Bereich der gestapelten Datenspalte von 0 bis 1.
3. Das ist sehr wichtig -> Bearbeiten Sie die Bereichsformel wie folgt:
(:Data - Col Minimum( :Data, :Label )) / (Col Maximum( :Data, :Label ) - Col Minimum( :Data, :Label ))
Dadurch werden die Daten anhand des gestapelten Attributs normalisiert. Wenn Sie dies nicht tun, ist die Analyse Schlamm.
4. Analysieren>Antwort-Screening. Richten Sie den Dialog wie folgt ein: (Beachten Sie, dass der Prozess in meinem Beispiel zwei Ebenen hat und den alten Prozess mit dem neuen Prozess vergleicht.
5. Verwenden Sie diese Option aus dem Menü mit dem roten Dreieck
6. Von hier aus gibt es zwei Möglichkeiten. Die erste Option ist etwas komplex und vielleicht unklar, was sie tatsächlich bewirken wird, und die zweite ist frustrierend begrenzt. Es wäre sinnvoll, für jede Ebene einen Wert anzugeben. Da wir die Daten jedoch bereits auf 0-1 skaliert haben, wählen wir die tatsächliche Differenz und einen Bruchteil von 0-1. Wenn beispielsweise „Prozess=Alt“ vs. „Prozess=Neu“ für jedes skalierte Attribut innerhalb von 5 % liegt, dann sind sie praktisch gleich. Wählen Sie 0,05 der Differenz zur Erkennung aus.
Jetzt haben Sie einige Ergebnisse, außer dass sie alle in skalierten Einheiten vorliegen, sodass ich nicht sicher bin, wie sie praktisch abgefangen werden könnten.
Betreff: Erstellen eines Äquivalenzdiagramms für mehrere VariablenWenn durch „ „Äquivalenzwerte normalisieren“ bedeutet, dass Sie für jede Differenz einen eindeutigen Äquivalenzwert (im Feld „Differenz“ im Bild unten) haben und diese so skalieren möchten, dass sie alle gleich sind ... das wäre am einfachsten einer der folgenden sein. Beides würde zu einem Äquivalenzwert von 1 führen.
1. Teilen Sie jede Antwort durch ihren jeweiligen Äquivalenzwert.
2. Teilen Sie jedes endgültige Konfidenzintervall durch den entsprechenden Äquivalenzwert.
Wenn Sie sie dann alle in derselben Grafik darstellen möchten, können Sie die Intervalle und Grenzwerte über den Graph Builder darstellen.
