Salut la communauté JMP,
Je voudrais savoir s'il est possible d'évaluer (dans JMP 13.1) les tendances dans une donnée où X est ordinal (4 groupes) et Y est continu (voir fichier joint).
Sur la base d'une inspection visuelle, il apparaît que les moyens de mesures sont progressivement plus élevés avec chaque groupe mais je n'ai pas été en mesure de trouver une méthode pour évaluer cela formellement.
Merci pour votre aide.
TS
@Thierry_S , dans JMP 13 Graph Builder, vous pouvez ajouter une ligne d'ajustement via l'interface utilisateur ou utiliser ce script enregistré
Graph Builder(
Variables( X( :GROUP ), Y( :MESUREMENTS ) ),
Elements(
Points( X, Y, Legend( 3 ) ),
Points( X, Y, Legend( 4 ), Summary Statistic( "Mean" ) ),
Line( X, Y, Legend( 5 ) ),
Line Of Fit( X, Y, Legend( 6 ), R²( 1 ), Equation( 1 ) )
),
SendToReport( Dispatch( {"Line Of Fit"}, "", OutlineBox, {Close( 0 )} ) )
)
Voici le résultat.
Cependant, je suivrais cette approche:
- Utilisez Analyze > Fit Y by X pour exécuter une ANOVA unidirectionnelle, les moyennes doivent augmenter avec le groupe et vous devez tester la différence de signification globale dans les moyennes, puis comparer les groupes.Par exemple, le groupe 3 a-t-il une moyenne statistiquement différente de celle du groupe 4, etc.
- Regardez les différences successives dans les moyennes des groupes ( 2-1, 3-2, 4-3), elles sont toutes positives (0,58, 0,47, 0,32). 4-3 n'est pas significatif à 0,05, cependant, la valeur p est de 0,07, ce qui donne une indication d'une tendance, mais peut-être un ralentissement.
- Je ne recommanderais pas un modèle d'ordre supérieur sans plus de contexte sur ce groupe ordinal. Par exemple, cela pourrait être la chance du tirage au sort, que l'ordre du résultat de ces quatre groupes soit 1,2,3,4 un sur 24 classements possibles (4 ! résultats différents).S'il y a une "cause" pour cet ordre comme la dose, ou la répétition (apprentissage) ou un groupe social, le modèle doit être construit en utilisant les variables "cause".
- Une méthode simple autre que Graph Builder pour prendre en charge la "tendance" consiste à cliquer avec le bouton droit sur le tableau des moyennes et des écarts types et à sélectionner Transformer en tableau de données . Ensuite, utilisez Fit Y by X avec la moyenne comme Y et le groupe comme X (rendez-le continu) au pied de la ligne
Cependant, lorsque je recherche un changement dans la "répartition" de ces groupes, j'aime adopter une approche différente :
- À partir de votre tableau, calculez les quantiles de distribution pour chaque groupe, 95, 90, 75, 50, 25, 10, 5 en utilisant Tableaux > Résumé. Le tableau résultant nécessite un peu de travail : empiler les quantiles, simplifier l'ID de quantile.
- Ensuite, j'aime regarder la relation du 90e centile (par exemple) entre les groupes. Est-ce que ça change autant que la moyenne ?
- Le résumé QuantizedTable et le script pour créer l'analyse ci-dessous sont attachés au tableau. Ce graphique indique que toute la distribution se déplace, pas seulement la moyenne... ce qui renforce l'argument d'une tendance par groupe
Permettez-moi de répéter qu'il s'agit d'une analyse exploratoire. Toute modélisation ou enquête plus approfondie doit être placée sur les moteurs/cause du changement.
