Accueillir à ce affiche session. Mon nom est Rénita Lavage,
et mon collègue et JE, Dr. Marie Jean Amon.
Pour ce projet, nous examiner le relation
entre législatif restrictions sur le utiliser de publique ressources pour avortements
et leur impact sur la fertilité les taux basé sur maternel âge dans le Uni États.
Nous croire que par examiner ces règlements,
nous pourrait offre aperçu dans potentiel impacts de avenir législatif changements,
ainsi aider et compréhension le dynamique
et potentiel conséquences de tel politique changements sur la fertilité les taux.
Je vais commencer par rapidement discuter notre données sources,
et alors Je vais démontrer comment nous utiliser JMP à effectuer un bidirectionnel ANOVA
et un en retard classe analyse à enquêter ces des relations.
Là étaient deux données sources utilisé pour le étude.
Le d'abord était législation que était
obtenu depuis un loi, ATLAS politique surveillance programme base de données.
Le deuxièmement, nous a obtenu le 2021 la fertilité les taux depuis CDC WNDYR base de données.
Le données ensembles étaient combiné ensemble
basé sur le la mère État de résidence dans le année,
avec un un année décalage dans le naissance statut
donc que le législation était dans effet quand le grossesse a commencé.
Notre d'abord objectif était à identifier impacts de restrictions
sur publique ressources sur la fertilité les taux.
Nous cassé le législation vers le bas dans trois des seaux,
si le État avait Non restrictions,
si ils avait restrictions mais exclu Medicaid,
et alors si ils étaient restrictions, y compris Medicaid.
UN bidirectionnel analyse de variance était effectué
à déterminer si là était un statistiquement significatif différence
entre le signifier la fertilité les taux basé sur ces trois seaux dans le maternel âge.
Nous d'abord commencé par visualisation ces
trois catégories avec le carte que nous fait avec JMP Graphique Constructeur.
Depuis là, nous observé que là était
un inégal nombre de États dans chaque de le restriction catégories.
Nous utilisé un commun pratique de en cours d'exécution le analyse avec le taux transformer données
à éviter n'importe lequel défis depuis le déséquilibre données.
Je vais démontrer d'abord comment nous ajouter ce classement à le données ensemble,
et alors Bien aller à travers le bidirectionnel ANOVA.
D'abord, toi commencer avec Analyser, Distribution.
Étaient en allant à mettre dans le variable que nous vouloir à faire le rang transformation sur,
lequel est la fertilité les taux et à Oui et frapper D'ACCORD.
Nous aller vers le bas à notre beau rouge Triangle alors à Sauvegarder et Rangs.
C'est en allant à sauvegarder le classement
de depuis le plus bas à le plus élevé de le la fertilité les taux sur notre principal données ensemble.
Étaient juste vérification que c'est là.
Suivant, avec le résultats de le rang la fertilité les taux,
étaient en allant à utiliser que à faire notre bidirectionnel ANOVA.
Dos à Analyser Ajuster Modèle,
étaient en allant à ajouter dans pas le original la fertilité les taux,
mais que classé la fertilité taux que nous juste créé à notre Y.
Étaient en allant à ajouter dans notre deux indépendant
variables dans complet factorielle, donc que nous peut faire que bidirectionnel
pour le maternel âge et que restriction catégorie volonté frapper Courir.
Alors il donne nous le même les sorties que nous serait évidemment attendre,
mais c'est en utilisant ceux rang transformations.
Nous peut aller vers le bas et regarder à le effet résumé à voir que là sont
statistiquement significatif interaction en allant sur là.
Le bidirectionnel ANOVA identifier que là étaient statistiquement significatif différences
dans ceux la fertilité les taux basé sur maternel âge et le présence de restrictions.
Spécifiquement, nous observé que femmes âge 15 à 29 avait inférieur la fertilité les taux
quand là étaient Non restrictions présent dans leur État.
Le suivant objectif était à identifier
motifs dans le État avortement restriction composition.
Nous utiliser un en retard en classe analyse parce que nous avait ces binaire,
ces Oui ou Non indicateurs pour six différent catégories de intérêt.
Ils étaient en rapport à gouvernement fonds, gouvernement installations,
et autre divers programmes comme État assurance programmes pour État employés.
Bien démo comment nous utiliser JMP regroupement à groupe ceux États ensemble
basé sur ces six différent catégories,
et alors comment nous utiliser Graphique Constructeur à aide nous afficher le résultats
et interpréter eux un petit Plus facile.
À courir le en retard classe analyse,
étaient en allant à analyser regroupement, en retard classe analyse.
Étaient en allant à mettre dans notre six binaire indicateurs dans notre Y.
Alors nous pourrait ajuster le nombre de groupes et il serait courir plus que
juste trois, mais étaient juste en allant à utiliser trois pour notre fins à garder il simple.
Après en cours d'exécution il, nous avoir ce haut niveau
caractérisation à propos chaque un de le groupes.
Mais allons créer un supplémentaire visualisation ça va commencer portion nous
interpréter comment le États est tombé dehors dans chaque un de le trois groupes.
À faire que, étaient en allant à aller à Graphique Constructeur.
Étaient en allant à prendre notre État de résidence
et mettre il vers le bas sur carte forme que permettons JMP savoir que étaient vouloir à faire un carte.
Alors étaient en allant à mettre notre la plupart probable grappe, lequel est ajoutée à le données ensemble
après nous courir que ACV, et étaient en allant à utiliser que à en fait couleur il.
Ce donne nous un vraiment rapide regarder
à comment chaque de notre États que en fait avait restrictions,
lequel de le trois groupes ils est tombé dehors dans.
Alors tu es capable à utiliser Graphique Constructeur encore
à créer autre visualisations comme nous a fait que permettre toi à comparer chaque
de le États' composition de leur restrictions et leur la fertilité les taux
en utilisant le trois groupes que nous créé avec le ACV.
Quand nous a fait que,
quoi nous observé est que quand là étaient restrictions sur plusieurs les types de publique
ressources, il était souvent associé avec plus haut la fertilité les taux pour ceux États.
je juste vouloir à remercier toi pour visualisation le affiche session.
Le but était vraiment à démontrer comment nous
utilisé JMP à examiner le des relations entre avortement restrictions que étaient
ciblage publique ressources et la fertilité les taux à travers plusieurs maternel âge groupes.
Par effectuer le bidirectionnel ANOVA sur que rang transformer données,
nous observé que femmes âge 15 à 29
avait inférieur la fertilité les taux quand là étaient Non restrictions.
À travers le utiliser de en retard en classe analyse
et visuellement en cours d'analyse le résultats, nous observé que restrictions sur plusieurs
catégories de publique restrictions étaient associé avec plus haut la fertilité les taux.
Remercier toi encore.
