Pour les précédents articles de Need for Speed, cliquez ici !
Je m'appelle 2-Click Clovis et je suis vraiment passionné par l'analyse des données et, plus important encore, par l'efficacité du temps ! JMP faisait partie intégrante de mon travail précédent dans les secteurs des semi-conducteurs et de la fabrication. Depuis que j'ai rejoint JMP, j'ai appris de nombreux nouveaux trucs et astuces. Je ne me pardonnerai jamais de ne pas savoir ce que je sais maintenant car j'aurais pu gagner autant d'heures dans mon workflow d'analyse de données ! Je me suis donné pour mission de partager mes nouvelles connaissances avec tous les utilisateurs actuels de JMP pour les aider à retrouver leur temps précieux.
Après avoir démontré la rapidité avec laquelle JMP peut effectuer vos manipulations et analyses de données de routine par rapport à d'autres outils, je vais vous montrer le moyen le plus rapide d'y parvenir dans JMP.
ANOVA et comparaison des moyennes
Au cours de ces dernières années de travail chez JMP, j'ai eu le privilège de proposer des formations et de réaliser des démonstrations JMP à des ingénieurs et des scientifiques issus de secteurs très divers. Lors de ces démonstrations, j'ai remarqué que même si les noms de données et de variables sont très différents selon les secteurs, les ingénieurs et scientifiques sont neuf fois sur dix intéressés par les mêmes concepts et analyses statistiques clés.
L’une de ces analyses statistiques vitales et universelles qui transcende les industries est l’analyse de variance unidirectionnelle (ANOVA), combinée à la possibilité de comparer les moyennes entre plusieurs groupes indépendants.
L'ANOVA unidirectionnelle est utilisée pour déterminer s'il existe une différence statistiquement significative entre les moyennes de deux ou plusieurs groupes indépendants. Il teste l’hypothèse nulle selon laquelle toutes les moyennes du groupe sont égales. L’hypothèse alternative est qu’au moins deux moyennes de groupe sont statistiquement significativement différentes l’une de l’autre.
Il est important de noter que l’ANOVA unidirectionnelle n’est pas en mesure de vous indiquer quels groupes spécifiques sont significativement différents les uns des autres pour trois groupes indépendants ou plus. Cela vous indique seulement qu'au moins deux groupes sont différents. Heureusement pour nous, JMP dispose non seulement d'une fonctionnalité ANOVA, mais propose également des tests post-hoc pour révéler quels groupes spécifiques diffèrent lorsqu'il existe un résultat ANOVA unidirectionnel statistiquement significatif. L'exemple d'aujourd'hui utilise le test post hoc de différence honnêtement significative (HSD) de Tukey et suppose que les variances de population dans chaque groupe sont égales.
Je me souviens avoir essayé de faire tous ces calculs moi-même et passé des heures à corriger de petites erreurs en cours de route. Avoir une plate-forme prédéfinie où tout ce que j'ai à faire est de glisser-déposer rapidement des noms de variables dans des rôles spécifiques change vraiment la donne. Je suis tellement excitée de vous transmettre ces connaissances dans ce blog !
Ajuster Y par X dans JMP
L'exemple d'aujourd'hui concerne trois marques de machines à écrire (Regal, Speedtype et Word-O-Matic) dont la vitesse de frappe a été testée. Il y a deux colonnes dans ce tableau : marque et vitesse. Le tableau peut être téléchargé si vous souhaitez suivre ; c'est une pièce jointe à ce billet de blog.
Pour effectuer une ANOVA unidirectionnelle, commencez par sélectionner l’option Ajuster Y par X dans le menu d’analyse. Ensuite, faites glisser et déposez la variable de réponse continue (dans ce cas, « vitesse ») vers le rôle Y et la variable de facteur catégoriel (« marque ») vers le rôle X. Cliquez sur OK. Le rapport contient initialement un nuage de points entre la vitesse et la marque.
Cliquez sur le triangle rouge, puis cliquez sur Moyens/ANOVA. Le rapport comprend désormais les losanges moyens dans le nuage de points, un résumé du tableau d'ajustement, un test ANOVA avec une valeur p et des statistiques récapitulatives pour chaque groupe.
La ligne au centre de chaque losange moyen représente la moyenne du groupe et l'étendue verticale représente l'intervalle de confiance à 95 % pour la moyenne du groupe. D'un rapide coup d'œil, vous pouvez constater que la moyenne du Speedtype est sensiblement plus élevée que celle des deux autres marques. La section ANOVA montre une valeur p statistiquement significative de 0,0004, ce qui signifie que nous pouvons rejeter l'hypothèse nulle selon laquelle toutes les moyennes des groupes sont égales.
Pour rappel, le test ANOVA nous indique qu'au moins une des moyennes du groupe est significativement différente des autres, mais pas lesquelles sont différentes les unes des autres. Notre prochaine étape consiste à inclure une comparaison multiple de Tukey-Kramer entre toutes les paires de moyennes. Sélectionnez le triangle rouge, puis Compare Means, puis All Pairs, Tukey HSD.
Le rapport inclut désormais des cercles de comparaison à droite du nuage de points initial. Ces cercles fournissent une représentation visuelle interactive des comparaisons des moyennes de groupe. Les cercles correspondant à des moyennes significativement différentes ne se croisent pas ou très légèrement. Cliquez sur le cercle associé à la marque Word-O-Matic et observez comment celle-ci et la marque Regal sont surlignées en rouge. Les cercles rouges correspondent à des groupes dont les moyennes ne sont pas significativement différentes. Le cercle Speedtype est gris et ne croise pas les cercles des deux autres marques, ce qui signifie que la moyenne Speedway est significativement différente du groupe mis en évidence de Regal et Word-O-Matic.
Pour des résultats plus quantitatifs, faites défiler jusqu'au rapport sur les différences ordonnées, qui montre la différence entre les niveaux de chaque comparaison, l'erreur type de la différence, l'intervalle de confiance et la valeur p.
Notez que les valeurs p pour la différence entre Speedtype et Word-O-Matic et la différence entre Speedtype et Regal sont surlignées en orange. Puisqu’ils sont tous deux bien inférieurs à 0,05, cela signifie que ces différences sont statistiquement significatives, ce qui correspond à la représentation visuelle des cercles ci-dessus.
Ce flux de travail, qui implique seulement quelques clics sur l'interface utilisateur, peut être appliqué à toutes sortes de données dans toutes sortes d'industries !
Sur ce,
clique dessus !
