我最近收获了一次作物试验，在分析数据时，我发现各处理在产量或 RFV（相对饲料价值）方面没有显着差异，通过单独的切割以及使用方差分析的所有累积切割进行比较。 一个人仅选择切割 1、3 和 5 就发现了显着差异。他们将处理 1,3 和 5 的残余方差分组；将该组命名为第 2 组，并对处理 6 的剩余方差进行分组；将该组命名为 3。
我想知道#1 如何对 jmp 中的差异进行分组，#2 如果这是一个道德的事情，因为我觉得它正在以某种方式操纵数据？
我用jmp17
如果我正确理解您的问题和数据，我认为最好为您提供混合模型分析。 这是一个短视频进行解释。
你好@KIrishGH ,
欢迎来到社区！
如果我很好地理解这个问题，您有兴趣知道是否可以发现治疗之间的显着统计差异。 您可以使用该平台轻松地进行此测试“用 X 拟合 Y ”，通过将治疗指定为 X 变量，将 RFV 指定为 Y 变量。
要知道使用哪种统计测试，需要验证一些假设：
- 响应变量的正态假设（例如使用分布平台和可视化正态分位数图），
- 观察/结果的独立性（这可以通过领域专业知识进行评估，如果数据不独立，则使用数据控制图可能会揭示趋势/变化），
- 组之间的方差相等（这可以通过“Fit Y by X”平台中红色三角形“不等方差”中的选项进行检查）。
在您的情况下，您与正态分布略有偏差，并且其他假设似乎受到尊重，因此您可以使用假设方差相等的参数检验并适当调整多重比较（以避免 I 型错误），例如 Tukey-Kramer 检验:
事实上，似乎没有一种治疗方法与其他治疗方法相比具有统计学意义。
通过针对多重比较进行调整的非参数测试（例如所有配对钢 Dwass 测试），您将得到相同的结论。
要将某些治疗分组在一起，您可以通过选择治疗列、右键单击并“重新编码”来使用“重新编码”选项。 然后，您将能够将一些治疗重新组合在一起，并对新组进行统计测试。
仅供参考，我使用您提供的信息进行了操作（通过隐藏和排除切口 4 和 5，并将治疗 1、3 和 5 分组到第 2 组中，治疗 6 是第 3 组，其余部分不变），我看不到测试结果的任何差异：
数据表附有所使用的脚本。
在理论方面，除非您有强有力的领域专业知识解释/理由来排除某些削减（方法中的问题，异常结果，...）并将一些治疗组合在一起（某些治疗的化学基础相同，或相同的应用方式， ...），在发现具有统计意义的东西之前，我不会尝试调整结果。
”如果你折磨数据时间足够长，它会承认任何事情“（罗纳德·H·科斯）
您所呈现的情况确实看起来很像 p-hacking，只是为了获得显着的 p 值而调整和重新调整因素。 这不是一种安全可靠的统计实践，也没有意义，因为统计显着性可能很重要，但还应考虑效应大小以了解研究结果的实际意义。
希望这个回答对你有帮助
