Klicken Sie hier , um frühere Need for Speed-Beiträge anzuzeigen!
Mein Name ist 2-Click Clovis und ich bin wirklich begeistert von Datenanalyse und, am wichtigsten, Zeiteffizienz ! JMP war ein unverzichtbares Werkzeug für meine frühere Arbeit in der Halbleiter- und Fertigungsindustrie. Seit ich bei JMP bin, habe ich so viele neue Tipps und Tricks gelernt. Ich werde mir nie verzeihen, dass ich nicht wusste, was ich jetzt weiß, denn ich hätte so viele Stunden in meinem Datenanalyse-Workflow sparen können! Ich habe es mir zur Aufgabe gemacht, mein neu erworbenes Wissen mit allen aktuellen JMP-Benutzern zu teilen, um ihnen zu helfen, ihre kostbare Zeit zurückzugewinnen.
Nachdem ich Ihnen gezeigt habe, wie schnell JMP im Vergleich zu anderen Tools Ihre routinemäßigen Datenmanipulationen und -analysen durchführen kann, zeige ich Ihnen, wie Sie dies innerhalb von JMP am schnellsten erledigen können.
ANOVA und Mittelwertvergleich
Während meiner letzten Jahre bei JMP hatte ich das Privileg, Schulungen anzubieten und JMP-Demos für Ingenieure und Wissenschaftler aus den unterschiedlichsten Branchen durchzuführen. Während dieser Demos ist mir aufgefallen, dass die Ingenieure und Wissenschaftler sich in neun von zehn Fällen für dieselben wichtigen statistischen Konzepte und Analysen interessieren, obwohl die Daten- und Variablennamen in den verschiedenen Branchen sehr unterschiedlich sind.
Eine dieser wichtigen und branchenübergreifenden statistischen Analysen ist die univariate Varianzanalyse (ANOVA), kombiniert mit der Möglichkeit, die Mittelwerte mehrerer unabhängiger Gruppen zu vergleichen.
Die einfaktorielle ANOVA wird verwendet, um herauszufinden, ob es einen statistisch signifikanten Unterschied zwischen den Mittelwerten zweier oder mehrerer unabhängiger Gruppen gibt. Sie testet die Nullhypothese, dass alle Gruppenmittelwerte gleich sind. Die Alternativhypothese ist, dass sich mindestens zwei Gruppenmittelwerte statistisch signifikant voneinander unterscheiden.
Es ist wichtig zu beachten, dass die einfaktorielle ANOVA Ihnen nicht sagen kann, welche spezifischen Gruppen sich bei drei oder mehr unabhängigen Gruppen signifikant voneinander unterscheiden. Sie sagt Ihnen nur, dass sich mindestens zwei Gruppen unterscheiden. Glücklicherweise verfügt JMP nicht nur über die ANOVA-Funktion, sondern auch über einige Post-hoc-Tests, um zu zeigen, welche spezifischen Gruppen sich unterscheiden, wenn ein statistisch signifikantes einfaktorielles ANOVA-Ergebnis vorliegt. Das heutige Beispiel verwendet Tukeys Post-hoc-Test für ehrlich signifikante Unterschiede (HSD) und geht davon aus, dass die Populationsvarianzen in jeder Gruppe gleich sind.
Ich erinnere mich, wie ich versucht habe, all diese Berechnungen selbst durchzuführen und dabei Stunden damit verbracht habe, kleine Fehler zu beheben. Eine vorgefertigte Plattform zu haben, auf der ich Variablennamen einfach schnell per Drag & Drop in bestimmte Rollen ziehen muss, ist ein echter Gamechanger. Ich freue mich sehr, dieses Wissen in diesem Blog an Sie weiterzugeben!
Passen Sie Y an X in JMP an
Das heutige Beispiel umfasst drei Marken von Schreibmaschinen (Regal, Speedtype und Word-O-Matic), deren Schreibgeschwindigkeit getestet wurde. Diese Tabelle enthält zwei Spalten: Marke und Geschwindigkeit. Die Tabelle kann heruntergeladen werden, wenn Sie mitmachen möchten; sie ist diesem Blogbeitrag als Anhang beigefügt.
Um eine einfaktorielle ANOVA durchzuführen, wählen Sie zunächst im Analysemenü die Option „Y an X anpassen“. Ziehen Sie anschließend die Variable mit der kontinuierlichen Antwort (in diesem Fall „Geschwindigkeit“) per Drag-and-Drop auf die Y-Rolle und die Variable mit dem kategorialen Faktor („Marke“) auf die X-Rolle. Klicken Sie auf „OK“. Der Bericht enthält zunächst ein Streudiagramm von Geschwindigkeit vs. Marke.
Klicken Sie auf das rote Dreieck und dann auf Mittelwerte/ANOVA. Der Bericht enthält jetzt Mittelwertrauten im Streudiagramm, eine Zusammenfassung der Anpassungstabelle, einen ANOVA-Test mit einem p-Wert und zusammenfassende Statistiken für jede Gruppe.
Die Linie in der Mitte jedes Mittelwertdiamanten stellt den Gruppenmittelwert dar, und die vertikale Spanne stellt das 95%-Konfidenzintervall für den Gruppenmittelwert dar. Auf den ersten Blick können Sie erkennen, dass der Mittelwert von Speedtype deutlich höher ist als der der beiden anderen Marken. Der ANOVA-Abschnitt zeigt einen statistisch signifikanten p-Wert von 0,0004, was bedeutet, dass wir die Nullhypothese, dass alle Gruppenmittelwerte gleich sind, ablehnen können.
Zur Erinnerung: Der ANOVA-Test zeigt uns, dass sich mindestens einer der Gruppenmittelwerte signifikant von den anderen unterscheidet, aber nicht, welche sich voneinander unterscheiden. Unser nächster Schritt besteht darin, einen Tukey-Kramer-Mehrfachvergleich zwischen allen Mittelwertpaaren durchzuführen. Wählen Sie das rote Dreieck, dann Mittelwerte vergleichen, dann Alle Paare, Tukey HSD.
Der Bericht enthält jetzt rechts neben dem anfänglichen Streudiagramm Vergleichskreise. Diese Kreise bieten eine interaktive visuelle Darstellung von Gruppenmittelwertvergleichen. Kreise für signifikant unterschiedliche Mittelwerte schneiden sich nicht oder nur sehr geringfügig. Klicken Sie auf den Kreis, der mit der Marke Word-O-Matic verknüpft ist, und beobachten Sie, wie sowohl diese als auch die Marke Regal rot hervorgehoben werden. Rote Kreise entsprechen Gruppen mit Mittelwerten, die sich nicht signifikant unterscheiden. Der Speedtype-Kreis ist grau und schneidet sich nicht mit den Kreisen der anderen beiden Marken, was bedeutet, dass sich der Speedway-Mittelwert signifikant von der hervorgehobenen Gruppe aus Regal und Word-O-Matic unterscheidet.
Um quantitativere Ergebnisse zu erhalten, scrollen Sie nach unten zum Bericht „Geordnete Differenzen“, der die Differenz zwischen den Ebenen jedes Vergleichs, den Standardfehler der Differenz, das Konfidenzintervall und den p-Wert anzeigt.
Beachten Sie, dass die p-Werte für den Unterschied zwischen Speedtype und Word-O-Matic sowie den Unterschied zwischen Speedtype und Regal orange hervorgehoben sind. Da sie beide deutlich unter 0,05 liegen, bedeutet dies, dass diese Unterschiede statistisch signifikant sind, was mit der visuellen Darstellung der Kreise oben übereinstimmt.
Dieser Workflow, der nur ein paar UI-Klicks umfasst, kann auf alle Arten von Daten in allen möglichen Branchen angewendet werden!
In diesem Sinne,
klickt raus!
