Accueillir
à
ce
affiche
session.
Mon
nom
est
Renita
Washburn,
et mon collègue et JE, Dr. Marie Jean Amon.
Pour ce projet, nous examiner le relation
entre législatif restrictions sur le utiliser de publique ressources pour avortements
et leur impact sur fécondité taux basé sur maternel âge dans le Uni États.
Nous croire que par examiner ces règlements,
nous pourrait offre aperçu dans potentiel impacts de avenir législatif changements,
ainsi aider et compréhension le dynamique
et potentiel conséquences de tel politique quarts de travail sur fécondité taux.
Je vais commencer par rapidement discuter notre données sources,
et alors Je vais démontrer comment nous utiliser JMP à effectuer a bidirectionnel ANOVA
et a tard dans classe analyse à enquêter ces relations.
Là étaient deux données sources utilisé pour le étude.
Le d'abord était législation que était
obtenu depuis a loi, ATLAS politique surveillance programme ensemble de données.
Le deuxièmement, nous a obtenu le 2021 fécondité taux depuis CDC MERVEILLE base de données.
Le données ensembles étaient combiné ensemble
basé sur le mère État de résidence dans le année,
avec a un année décalage dans le naissance statut
donc que le législation était dans effet quand le grossesse a commencé.
Notre d'abord objectif était à identifier impacts de restrictions
sur publique ressources sur fécondité taux.
Nous cassé le législation vers le bas dans trois seaux,
si le État avait Non restrictions,
si ils avait restrictions mais exclu Medicaid,
et alors si ils étaient restrictions, y compris Medicaid.
A bidirectionnel analyse de variance était réalisé
à déterminer si là était a statistiquement significatif différence
entre le signifier fécondité taux basé sur ces trois seaux dans le maternel âge.
Nous d'abord commencé par visualisation ces
trois catégories avec le carte que nous fait avec JMP Graphique Constructeur.
Depuis là, nous observé que là était
un inégal nombre de États dans chaque de le restriction catégories.
Nous utilisé a commun pratique de en cours d'exécution le analyse avec le taux transformer données
à éviter n'importe lequel défis depuis le déséquilibre données.
Je vais démontrer d'abord comment nous ajouter ce classement à le données ensemble,
et alors Bien aller à travers le bidirectionnel ANOVA.
D'abord, toi commencer avec Analyser, Distribution.
Étaient en allant à mettre dans le variable que nous vouloir à faire le rang transformation sur,
lequel est fécondité taux et à Y et frapper D'ACCORD.
Nous aller vers le bas à notre beau rouge triangle alors à Sauvegarder et Rangs.
C'est en allant à sauvegarder le classement
de depuis le plus bas à plus haut de le fécondité taux sur notre principal données ensemble.
Étaient juste vérification que c'est là.
Suivant, avec le résultats de le rang fécondité taux,
étaient en allant à utiliser que à faire notre bidirectionnel ANOVA.
Dos à Analyser Ajuster Modèle,
étaient en allant à ajouter dans pas le original fécondité taux,
mais que classé fécondité taux que nous juste créé à notre ET.
Étaient en allant à ajouter dans notre deux indépendant
variables dans complet factorielle, donc que nous peut faire que bidirectionnel
pour le maternel âge et que restriction catégorie volonté frapper Courir.
Alors il donne nous le même sorties que nous serait évidemment attendre,
mais c'est en utilisant ceux rang transformations.
Nous peut aller vers le bas et regarder à le effet résumé à voir que là sont
statistiquement significatif interactions en allant sur là.
Le bidirectionnel ANOVA identifier que là étaient statistiquement significatif différences
dans ceux fécondité taux basé sur maternel âge et le présence de restrictions.
Spécifiquement, nous observé que femmes âge 15 à 29 avait inférieur fécondité taux
quand là étaient Non restrictions présent dans leur État.
Le suivant objectif était à identifier
motifs dans le État avortement restriction composition.
Nous utiliser a en retard en classe analyse parce que nous avait ces binaire,
ces Oui ou Non indicateurs pour six différent catégories de intérêt.
Ils étaient en rapport à gouvernement fonds, gouvernement installations,
et autre divers programmes comme État assurance programmes pour État employés.
Bien démo comment nous utiliser JMP regroupement à groupe ceux États ensemble
basé sur ces six différent catégories,
et alors comment nous utiliser Graphique Constructeur à aide nous afficher le résultats
et interpréter eux a petit Plus facile.
À courir le tard dans classe analyse,
étaient en allant à analyser regroupement, tard dans classe analyse.
Étaient en allant à mettre dans notre six binaire indicateurs dans notre ET.
Alors nous pourrait ajuster le nombre de groupes et il serait courir plus que
juste trois, mais étaient juste en allant à utiliser trois pour notre objectifs à garder il simple.
Après en cours d'exécution il, nous avoir ce haut niveau
caractérisation à propos chaque un de le groupes.
Mais allons-y créer un supplémentaire visualisation cela commencer portion nous
interpréter comment le États est tombé dehors dans chaque un de le trois groupes.
À faire que, étaient en allant à aller à Graphique Constructeur.
Étaient en allant à prendre notre État de résidence
et mettre il vers le bas sur carte forme que laissez JMP savoir que étaient désirant à faire a carte.
Alors étaient en allant à mettre notre la plupart probable grappe, lequel est ajouté à le données ensemble
après nous courir que ACV, et étaient en allant à utiliser que à en fait couleur il.
Ce donne nous a vraiment rapide regarder
à comment chaque de notre États que en fait avait restrictions,
lequel de le trois groupes ils est tombé dehors dans.
Alors tu es capable à utiliser Graphique Constructeur encore
à créer autre visualisations comme nous a fait que permettre toi à comparer chaque
de le les États composition de leur restrictions et leur fécondité taux
en utilisant le trois groupes que nous créé avec le ACV.
Quand nous a fait que,
quoi nous observé est que quand là étaient restrictions sur multiple types de publique
ressources, il était souvent associé avec plus haut fécondité taux pour ceux états.
I juste vouloir à remercier toi pour visionnage le affiche session.
Le but était vraiment à démontrer comment nous
utilisé JMP à examiner le relations entre avortement restrictions que étaient
ciblage publique ressources et fécondité taux à travers multiple maternel âge groupes.
Par performance le bidirectionnel ANOVA sur que rang transformer données,
nous observé que femmes âge 15 à 29
avait inférieur fécondité taux quand là étaient Non restrictions.
À travers le utiliser de en retard en classe analyse
et visuellement L'analyse porte sur l'analyse de l'état du sujet et de l'analyse de l'état de l'objet. L'analyse de l'état de l'objet et de l'analyse de l'état de l'objet consiste à analyser le sujet de manière à ce que l'analyse de l'état de l'objet soit effectuée. L'analyse de l'état de l'objet consiste à analyser le sujet de manière à ce que l'on puisse analyser l'état de l'objet et de l'analyse de l'état de l'objet. le résultats, nous observé que restrictions sur multiple
catégories de publique restrictions étaient associé avec plus haut fécondité taux.
Remercier toi encore.
