환영 에게 이것 포스터 세션. 나의 이름 ~이다 레니타 워시번,
그리고 나의 동료 그리고 나, 박사. 메리 진 아몬.
을 위한 이것 프로젝트, 우리 조사하다 그만큼 관계
~ 사이 입법 제한 ~에 그만큼 사용 ~의 공공의 자원 ~을 위한 낙태
그리고 그들의 영향 ~에 비옥 요금 기반을 둔 ~에 모성 나이 ~에 그만큼 유나이티드 주.
우리 믿다 저것 ~에 의해 검사 이것들 규정,
우리 ~할 수 있었다 권하다 통찰력 ~ 안으로 잠재적인 영향 ~의 미래 입법 변화,
따라서 원조 그리고 이해 그만큼 역학
그리고 잠재적인 결과 ~의 그런 정책 교대 ~에 비옥 요금.
아픈 시작 ~에 의해 빠르게 토론 우리의 데이터 소스,
그리고 그 다음에 아픈 입증하다 어떻게 우리 사용 JMP 에게 공연하다 ㅏ 양방향 분산 분석
그리고 ㅏ 늦게까지 수업 분석 에게 조사하다 이것들 관계.
거기 ~이었다 둘 데이터 출처 사용된 ~을 위한 그만큼 공부하다.
그만큼 첫 번째 ~였다 법률 제정 저것 ~였다
획득 ~에서 ㅏ 법, 아틀라스 정책 감시 프로그램 데이터세트.
그만큼 둘째, 우리 갖다 그만큼 2021 비옥 요금 ~에서 CDC 윈디르 데이터 베이스.
그만큼 데이터 세트 ~이었다 결합된 함께
기반을 둔 ~에 그만큼 어머니의 상태 ~의 거주 ~에 그만큼 년도,
~와 함께 ㅏ 하나 년도 지연 ~에 그만큼 출생 상태
그래서 저것 그만큼 법률 제정 ~였다 ~에 효과 언제 그만큼 임신 시작했다.
우리의 첫 번째 목적 ~였다 에게 식별하다 영향 ~의 제한
~에 공공의 자원 ~에 비옥 요금.
우리 파산 그만큼 법률 제정 아래에 ~ 안으로 삼 버킷,
~이든 그만큼 상태 가졌다 아니요 제한,
~이든 그들 가졌다 제한 하지만 제외된 메디케이드,
그리고 그 다음에 ~이든 그들 ~이었다 제한, 포함 메디케이드.
ㅏ 양방향 분석 ~의 변화 ~였다 수행
에게 결정하다 ~이든 거기 ~였다 ㅏ 통계적으로 중요한 차이점
~ 사이 그만큼 평균 비옥 요금 기반을 둔 ~에 이것들 삼 버킷 ~에 그만큼 모성 나이.
우리 첫 번째 시작했다 ~에 의해 시각화 이것들
삼 카테고리 ~와 함께 그만큼 지도 저것 우리 만들어진 ~와 함께 JMP 그래프 빌더.
에서 거기, 우리 관찰됨 저것 거기 ~였다
안 고르지 않은 숫자 ~의 주 ~에 각 ~의 그만큼 제한 카테고리.
우리 사용된 ㅏ 흔한 관행 ~의 달리기 그만큼 분석 ~와 함께 그만큼 비율 변환 데이터
에게 피하다 어느 도전 ~에서 그만큼 불균형 데이터.
아픈 입증하다 첫 번째 어떻게 우리 추가하다 이것 순위 에게 그만큼 데이터 세트,
그리고 그 다음에 잘 가다 ~을 통해 그만큼 양방향 분산 분석.
첫 번째, 너 시작 ~와 함께 분석하다, 분포.
이었다 가고 있다 에게 놓다 ~에 그만큼 변하기 쉬운 저것 우리 원하다 에게 하다 그만큼 계급 변환 에,
어느 ~이다 비옥 요금 그리고 에게 와이 그리고 때리다 좋아요.
우리 가다 아래에 에게 우리의 사랑스러운 빨간색 삼각형 그 다음에 에게 구하다 그리고 순위.
그건 가고 있다 에게 구하다 그만큼 순위
~의 ~에서 가장 낮은 에게 제일 높은 ~의 그만큼 비옥 요금 위에 우리의 기본 데이터 세트.
이었다 단지 확인 중 저것 그것은 거기.
다음, ~와 함께 그만큼 결과 ~의 그만큼 계급 비옥 요금,
이었다 가고 있다 에게 사용 저것 에게 하다 우리의 양방향 분산 분석.
뒤쪽에 에게 분석하다 맞다 모델,
이었다 가고 있다 에게 추가하다 ~에 ~ 아니다 그만큼 원래의 비옥 요금,
하지만 저것 순위가 매겨진 비옥 비율 저것 우리 단지 만들어진 에게 우리의 와이.
이었다 가고 있다 에게 추가하다 ~에 우리의 둘 독립적인
변수 ~에 가득한 계승, 그래서 저것 우리 ~할 수 있다 하다 저것 양방향
~을 위한 그만큼 모성 나이 그리고 저것 제한 범주 ~ 할 것이다 때리다 달리다.
그 다음에 그것 준다 우리를 그만큼 같은 출력 저것 우리 ~일 것이다 확실히 예상하다,
하지만 그것은 사용하여 저것들 계급 변형.
우리 ~할 수 있다 가다 아래에 그리고 바라보다 ~에 그만큼 효과 요약 에게 보다 저것 거기 ~이다
통계적으로 중요한 상호작용 가고 있다 ~에 거기.
그만큼 양방향 분산분석 식별하다 저것 거기 ~이었다 통계적으로 중요한 차이점
~에 저것들 비옥 요금 기반을 둔 ~에 모성 나이 그리고 그만큼 있음 ~의 제한.
구체적으로, 우리 관찰됨 저것 여성 나이 15 에게 29 가졌다 낮추다 비옥 요금
언제 거기 ~이었다 아니요 제한 현재의 ~에 그들의 상태.
그만큼 다음 목적 ~였다 에게 식별하다
패턴 ~에 그만큼 상태 낙태 제한 구성.
우리 사용 ㅏ 수업시간이 늦다 분석 왜냐하면 우리 가졌다 이것들 바이너리,
이것들 예 또는 아니요 지표 ~을 위한 육 다른 카테고리 ~의 관심.
그들 ~이었다 관련된 에게 정부 자금, 정부 시설,
그리고 다른 다양한 프로그램들 좋다 상태 보험 프로그램들 ~을 위한 상태 직원.
잘 데모 어떻게 우리 사용 JMP 클러스터링 에게 그룹 저것들 주 함께
기반을 둔 ~에 이것들 육 다른 카테고리,
그리고 그 다음에 어떻게 우리 사용 그래프 빌더 에게 돕다 우리를 표시하다 그만큼 결과
그리고 해석하다 그들을 ㅏ 작은 더 쉽습니다.
에게 달리다 그만큼 늦게까지 수업 분석,
이었다 가고 있다 에게 분석하다 클러스터링, 늦게까지 수업 분석.
이었다 가고 있다 에게 놓다 ~에 우리의 육 바이너리 지표 ~ 안으로 우리의 와이.
그 다음에 우리 ~할 수 있었다 조정하다 그만큼 숫자 ~의 클러스터 그리고 그것 ~일 것이다 달리다 더 ~보다
단지 삼, 하지만 이었다 단지 가고 있다 에게 사용 삼 ~을 위한 우리의 목적 에게 유지하다 그것 단순한.
후에 달리기 그것, 우리 가지다 이것 높은 레벨
성격 묘사 ~에 대한 각 하나 ~의 그만큼 클러스터.
하지만 하자 만들다 안 추가의 심상 그럴거야 시작 거들기 우리를
해석하다 어떻게 그만큼 주 쓰러뜨리다 밖으로 ~에 각 하나 ~의 그만큼 삼 클러스터.
에게 하다 저것, 이었다 가고 있다 에게 가다 에게 그래프 빌더.
이었다 가고 있다 에게 가져가다 우리의 상태 ~의 거주
그리고 놓다 그것 아래에 ~에 지도 모양 저것 하자 JMP 알다 저것 이었다 이 없이 에게 만들다 ㅏ 지도.
그 다음에 이었다 가고 있다 에게 놓다 우리의 최대 ~할 것 같은 무리, 어느 ~이다 추가됨 에게 그만큼 데이터 세트
~ 후에 우리 달리다 저것 LCA, 그리고 이었다 가고 있다 에게 사용 저것 에게 실제로 색상 그것.
이것 준다 우리를 ㅏ 정말 빠른 바라보다
~에 어떻게 각 ~의 우리의 주 저것 실제로 가졌다 제한,
어느 ~의 그만큼 삼 클러스터 그들 쓰러뜨리다 밖으로 안으로.
그 다음에 당신은 할 수 있는 에게 사용 그래프 빌더 다시
에게 만들다 다른 시각화 좋다 우리 했다 저것 허용하다 너 에게 비교하다 각
~의 그만큼 주' 구성 ~의 그들의 제한 그리고 그들의 비옥 요금
사용하여 그만큼 삼 클러스터 저것 우리 만들어진 ~와 함께 그만큼 LCA.
언제 우리 했다 저것,
무엇 우리 관찰됨 ~이다 저것 언제 거기 ~이었다 제한 ~에 다수의 종류 ~의 공공의
자원, 그것 ~였다 자주 관련된 ~와 함께 더 높은 비옥 요금 ~을 위한 저것들 상태.
나 단지 원하다 에게 감사하다 너 ~을 위한 보기 그만큼 포스터 세션.
그만큼 목표 ~였다 정말 에게 입증하다 어떻게 우리
사용된 JMP 에게 조사하다 그만큼 관계 ~ 사이 낙태 제한 저것 ~이었다
타겟팅 공공의 자원 그리고 비옥 요금 가로질러 다수의 모성 나이 여러 떼.
에 의해 실행할 수 있는 그만큼 양방향 분산 분석 ~에 저것 계급 변환 데이터,
우리 관찰됨 저것 여성 나이 15 에게 29
가졌다 낮추다 비옥 요금 언제 거기 ~이었다 아니요 제한.
을 통해 그만큼 사용 ~의 수업시간이 늦다 분석
그리고 시각적으로 분석하는 그만큼 결과, 우리 관찰됨 저것 제한 ~에 다수의
카테고리 ~의 공공의 제한 ~이었다 관련된 ~와 함께 더 높은 비옥 요금.
감사하다 너 다시.
