测试并行性：效力测定中的 F 检验、卡方检验、SRA大家好，
我正在评估在效力测定中测试 4PL 拟合并行性的不同方法。我知道 F 检验/卡方方法的一些限制/权衡。我们的供应商之一也使用斜率比方法进行测试。有人对这种方法的优点/缺点以及适合在哪里使用有什么想法吗？最后 - 有人在 JMP 中实现过这个吗？
提前致谢，
克里斯
高级统计建模基础数据分析和建模回复：测试并行性：效力测定中的 F 检验、卡方检验、SRA除非我弄错了你的要求，否则我想你会发现它已经在 JMP 中实现了：
测试并行性 (jmp.com)
回复：测试并行性：效力测定中的 F 检验、卡方检验、SRA你好@ClusterFerret68 : 论坛里时常会出现这样的问题。 这是一个这样的线程。
https://community.jmp.com/t5/Discussions/Parallelism-Testing-for-Groups-of-4PL-Curves/mp/622085#M82106
回复：测试并行性：效力测定中的 F 检验、卡方检验、SRA确实...我对该线程非常熟悉...谢谢。
我的要求是就不同方法的理由/适当性提供意见。我知道势头正在转向等效测试......但许多组织仍然没有采用这一点，我们其他人需要提供的不仅仅是“当前趋势是......”等，以帮助支持过渡（例如，在采用经过验证的方法的 GMP 环境中）。
我知道有很多东西需要“拆包”......我正在向那些愿意花一点时间进行拆包以帮助其他人一起进行拆包的人征求意见。
回复：测试并行性：效力测定中的 F 检验、卡方检验、SRA你好@ClusterFerret68 ：以下是需要考虑的一些事项（排名不分先后）。
1. 等价测试是有意义的。即，斜率的 x% 差异没有实际意义。
2. 传统的显着性检验奖励小样本量（或剂量水平选择不当）
以及受试者在剂量上的分布）；分析人员可能会通过不拒绝并行性的零假设来错误地默认声明并行性。 虽然这种想法是不正确的（客气地说），但这就是现实决策世界中经常发生的情况。 在这种情况下，一项动力不足的研究（通过小样本量或剂量水平选择不当）
以及受试者在剂量上的分布）有更好的机会“声称并行性”。
3. 与上述2类似，传统的显着性检验奖励精度较差的测量；动力不足的研究更有可能“声称并行性”。 在这种情况下，动力不足的研究（由于精度较差）更有可能“声称并行性”。
4. 当测量的精度非常高时，传统的显着性检验可能是一个大问题；当差异不具有实际重要性时，可能需要对统计显着性进行事后解释。
虽然上面的 1 吸引了我们的实用意识，但在我看来，数字 2、3 和 4 足以放弃传统的并行性重要性测试。
