我最近收穫了一次作物試驗，在分析數據時，我發現處理方法在產量或 RFV（相對飼料價值）方面沒有顯著差異，透過使用變異數分析對單一切割和所有累積切割進行比較。 一個人僅選擇切割 1、3 和 5 就發現了顯著差異。他們將處理 1,3 和 5 的殘餘變異數分組；將該組命名為第 2 組，並對處理 6 的剩餘變異數進行分組；將該組命名為 3。
我想知道#1 如何對 jmp 中的差異進行分組，#2 如果這是一個道德的事情，因為我覺得它正在以某種方式操縱數據？
我用jmp17
如果我正確理解您的問題和數據，我認為最好為您提供混合模型分析。 這是一個短視頻進行解釋。
你好@KIrishGH ,
歡迎來到社區！
如果我很好地理解這個問題，您有興趣知道是否可以發現治療之間的顯著統計差異。 您可以使用該平台輕鬆地進行此測試“用 X 擬合 Y ”，透過將治療指定為 X 變量，將 RFV 指定為 Y 變量。
要知道要使用哪種統計測試，需要驗證一些假設：
- 反應變數的常態假設（例如使用分佈平台和視覺化常態分位數圖），
- 觀察/結果的獨立性（這可以透過領域專業知識進行評估，如果資料不獨立，則使用資料控製圖可能會揭示趨勢/變化），
- 組之間的變異數相等（這可以透過「Fit Y by X」平台中紅色三角形「不等方差」中的選項進行檢查）。
在您的情況下，您與常態分佈略有偏差，其他假設似乎受到尊重，因此您可以使用假設變異數相等的參數檢定並適當調整多重比較（以避免 I 型錯誤），例如 Tukey-Kramer 檢定:
事實上，似乎沒有一種治療方法與其他治療方法相比具有統計意義。
透過針對多重比較進行調整的非參數測試（如所有配對鋼 Dwass 測試），您將得到相同的結論。
若要將某些治療分組在一起，您可以透過選擇治療列、右鍵單擊並「重新編碼」來使用「重新編碼」選項。 然後，您將能夠將一些治療重新組合在一起，並對新組進行統計測試。
僅供參考，我使用您提供的資訊進行了操作（透過隱藏和排除剪切4 和5，並將治療1、3 和5 分組到第2 組中，治療6 是第3 組，其餘部分不變），我看不到測試結果的任何差異：
數據表附有所使用的腳本。
在理論方面，除非您有強有力的領域專業知識解釋/理由來排除某些削減（方法中的問題、異常結果等）並將某些治療組合在一起（某些治療的化學基礎相同，或相同的應用方式， ...），在發現具有統計意義的東西之前，我不會嘗試調整結果。
」如果你折磨數據時間夠長，它會承認任何事情《（羅納德·H·科斯）
您所呈現的情況確實看起來很像 p-hacking，只是為了獲得顯著的 p 值而調整和重新調整因素。 這不是一種安全可靠的統計實踐，也沒有意義，因為統計顯著性可能很重要，但也應考慮效應大小以了解研究結果的實際意義。
希望這個回答對你有幫助
