測試並行性：效力測定中的 F 檢定、卡方檢定、SRA大家好，
我正在評估在效力測定中測試 4PL 擬合並行性的不同方法。我知道 F 檢定/卡方方法的一些限制/權衡。我們的供應商之一也使用斜率比方法進行測試。有人對這種方法的優點/缺點以及適合在哪裡使用有什麼想法嗎？最後 - 有人在 JMP 中實現過這個嗎？
先謝，
克里斯
進階統計建模基礎資料分析與建模回覆：測試並行性：效力測定中的 F 檢定、卡方檢定、SRA除非我弄錯了你的要求，否則我想你會發現它已經在 JMP 中實現了：
測試並行性 (jmp.com)
回覆：測試並行性：效力測定中的 F 檢定、卡方檢定、SRA你好@ClusterFerret68 : 論壇裡常常會出現這樣的問題。 這是一個這樣的線程。
https://community.jmp.com/t5/Discussions/Parallelism-Testing-for-Groups-of-4PL-Curves/mp/622085#M82106
回覆：測試並行性：效力測定中的 F 檢定、卡方檢定、SRA確實...我對該線程非常熟悉...謝謝。
我的要求是就不同方法的理由/適當性提供意見。我知道勢頭正在轉向等效測試......但許多組織仍然沒有採用這一點，我們其他人需要提供的不僅僅是“當前趨勢是......”等，以幫助支持過渡（例如，在採用經過驗證的方法的GMP 環境中）。
我知道有很多東西需要「拆包」……我正在向那些願意花一點時間進行拆包以幫助其他人一起進行拆包的人徵求意見。
回覆：測試並行性：效力測定中的 F 檢定、卡方檢定、SRA你好@ClusterFerret68 ：以下是一些需要考慮的事項（排名不分先後）。
1. 等價性測試是有意義的。即，斜率的 x% 差異沒有實際意義。
2. 傳統的顯著性檢定獎勵小樣本量（或劑量等級選擇不當）
以及受試者在劑量上的分佈）；分析人員可能會透過不拒絕並行性的零假設來錯誤地預設聲明並行性。 雖然這種想法是不正確的（客氣地說），但這就是現實決策世界中經常發生的情況。 在這種情況下，一項動力不足的研究（透過小樣本量或劑量水平選擇不當）
以及受試者在劑量上的分佈）有更好的機會「聲稱並行性」。
3. 與上述2類似，傳統的顯著性檢定獎勵精度較差的測量；動力不足的研究更有可能「聲稱並行性」。 在這種情況下，動力不足的研究（由於精度較差）更有可能「聲稱並行性」。
4. 當測量的精確度非常高時，傳統的顯著性檢定可能是一個大問題；當差異不具有實際重要性時，可能需要對統計顯著性進行事後解釋。
雖然上面的 1 吸引了我們的實用意識，但在我看來，數字 2、3 和 4 足以放棄傳統的平行重要性測試。
