Hallo zusammen, @martindemel
in JMP 18.0.1 starte ich ein lineares Modell:
Y ~ X1 * X2
Wo :
- Y ist die kontinuierliche Antwort
- X1 ist ein kontinuierlicher Regressor
- X2 ist ein kategorischer Regressor (3 Kategorien mit den Namen „A“, „B“, „C“)
Manche Leute nennen dieses Modell ein ANCOVA
Daraus erhalte ich:
einen Achsenabschnitt und eine Steigung (über X1) pro Kategorie von X2, wie in der folgenden Grafik:
Ich möchte diese Steigungen paarweise miteinander vergleichen .
so (erledigt in R 4.2.2
Bibliothek (emmeans)
Paare (emtrends (lm (Y ~ X2 * X1, Daten = df), ~ X2, var = "X1"))
contrast estimate SE df t.ratio p.value
A - B 0.211 0.0616 54 3.431 0.0033
A - C -1.721 0.0616 54 -27.934 <.0001
B - C -1.932 0.0616 54 -31.365 <.0001
P value adjustment: tukey method for comparing a family of 3 estimates
Bis jetzt habe ich in JMP nur Möglichkeiten gefunden, Dinge zu tun, die sehr ähnlich sind , aber nicht genau das, was ich will:
1. Modellanpassungsansatz: Vergleichen Sie die Steigungen mit dem Gesamtdurchschnitt
--> Rotes Dreieck / Schätzungen / Pisten vergleichen
Dabei wird jede Steigung mit der durchschnittlichen Steigung verglichen (mit einer Nelson-Anpassung).
2. Fit-Kurven-Ansatz: Ergebnisse des Äquivalenztests
--> rotes Dreieck (aus linearer Anpassung) / Äquivalenztest
Dieser Ansatz führt paarweise (über Kategorien von X2 hinweg) Äquivalenztests für jeden Parameter der Anpassung durch. Hier gibt es nur zwei Parameter, den Achsenabschnitt und die Steigung.
Fazit und letzte Frage:
Ich weiß, dass es mehrere Möglichkeiten gibt, um zu entscheiden, ob sich eine Steigung von den anderen unterscheidet. Aber ich suche nach dem spezifischen Ansatz des paarweisen Vergleichs zwischen Steigungen (derselbe, der in R durchführbar ist, siehe oben).
Beschreibung der Anhänge:
- data.xlsx = Excel-Datei der Daten (simulierte Daten)
- Compare_slopes_example.jmp = JMP-Tabelle mit den Daten aus data.xlsx und dem darin gespeicherten Anpassungsmodell sowie den Anpassungskurvenanalysen.
Ich danke Ihnen herzlich für Ihre Hilfe!
Habt einen schönen Tag 
tolle Ergänzung @MRB3855
Aus dem Beitrag habe ich verstanden, dass der benutzerdefinierte Test folgendermaßen eingerichtet werden sollte (wobei die ersten drei Spalten nicht erforderlich sind, aber zeigen, was @Mark_Bailey in seiner Antwort beschrieben hat:
Hallo, ich habe einen anderen Thread gefunden, in dem diese Frage ausführlicher erörtert wird. Soweit ich sehe, geht es dort darum, dass Sie nicht nur wissen möchten, ob es einen Unterschied in den Steigungen gibt, sondern welchen Unterschied es bei jedem Vergleich gibt.
Vergleich der Steigungen
Der eine Ansatz ist eine Art manueller Ansatz, bei dem jede Ebene als Referenz verwendet wird (unter Verwendung der Wertereihenfolge der Ebenen) und ein Modell angepasst wird, der andere verwendet die nichtlineare Anpassung. @julian hat anscheinend auch ein Add-In erstellt (ebenfalls im Thread zu finden), ich bin mir jedoch nicht sicher, wie aktuell es ist, da sowohl der Beitrag als auch das Add-In aus dem Jahr 2016 stammen.
[bearbeiten: Übrigens wurde dieser erste Ansatz auch als Referenz in eine JMP-Notiz aufgenommen: [Link entfernt, da er nicht für alle Benutzer zugänglich war]]
Ja, @dlehman1 hat recht. Mit dem von ihm angegebenen Modell wird Ihnen der Test von X2 sagen, ob die Achsenabschnitte der drei Linien unterschiedlich sind. Der Test der Interaktion wird Ihnen sagen, ob die Steigungen unterschiedlich sind. Um zu verstehen, warum, sehen Sie sich die Vorhersagegleichung dieses Modells an und Sie werden sehen, wie der X2-Parameter eine Anpassung des Achsenabschnitts ist, während der X1*X2-Parameter eine Anpassung der X1-Steigung ist.
Ich denke, Sie möchten die Fit-Modellplattform verwenden und dabei X1, X2 und X1*X2 (Kreuzeffekt) als Faktoren verwenden. Dadurch können sowohl die Steigungen als auch die Schnittpunkte variieren und ich glaube, dass alle erforderlichen Informationen bereitgestellt werden, um die Steigungen und Schnittpunkte sowohl mit den Durchschnittswerten als auch untereinander statistisch zu vergleichen. Jemand mit umfassenderem statistischem Hintergrund kann wahrscheinlich genau sagen, wo nach diesen Informationen gesucht werden soll.
Vielen Dank @MRB3855, @martindemel
dank dieser benutzerdefinierten Tests und der von @martindemel gezeigten Kontraste Ich habe die gleichen Ergebnisse wie mit R.
Das einzige, was übrig bleiben würde, wäre eine Tuckey-Anpassung der p-Werte.
Vielen Dank !
