JMP技術支援老師
感謝您的協助。我是 JMP 的忠實粉絲。我想根據癌症統計網站收集的統計數據進行統計分析。
我們進行了統計，以確定某些罕見癌症是否比其他癌症更容易引起繼發性癌症，並發現了以下病例數。
重複項
是 否
某些罕見癌症 827 12204
除某些罕見癌症外 129634 4490934
( 總計 130461 4503138 )
我有兩個問題。
問題 1
我們計劃對兩組進行分析：一組患有某種罕見癌症，另一組患有某種罕見癌症以外的其他癌症。
如果我想使用 JMP 執行您之前指示我進行的卡方分析，看來我將需要建立超過 450 萬個欄位。因此，我想在 JMP 中執行 Fisher 精確檢定或雙樣本 Kolmogorov-Smirnov 檢定。 JMP能用來分析超過450萬個案例嗎？
問題 2
我想看看這兩組之間是否存在年齡偏差，但在癌症統計網站上，年齡並不以數字顯示，而是分為15-19歲等區塊（請參閱附加的兩個Excel文件）。
那麼，是否可以使用JMP進行分析以確保沒有年齡偏差？
就這兩點。非常抱歉，如果您能提供盡可能多的信息我將不勝感激。
你好@Tessho0730 ，
歡迎加入社群！
閱讀您的帖子時我想到的第一個問題是，為什麼您想使用所有數據，而不是選擇一個代表性的子集？
對於任何計算機和軟體來說，處理數百萬行資料都是非常困難/複雜的，而且我不確定這麼多行資料能帶來什麼附加價值。選擇一個有代表性的子集可以使分析更容易、更快，並獲得相同的結果，並且您可以使用一些剩餘/未選擇的行作為分析的驗證。另一方面，根據您的目標，使用如此多的行可能會嚴重「偏向」統計測試的結果：由於樣本量非常大，置信區間可能非常小，因此測試幾乎總是會產生具有統計意義的結果（取決於要檢測的效應大小/差異和設定的 p 值/統計顯著性閾值）。
我建議花更多的時間來思考你的目標、分析所需的樣本量（取決於風險/alpha/I 型錯誤水平，以及你想要檢測的差異/效應大小），使用Power Explorer 進行假設檢定。
至於年齡，我不認為這是一個問題：當選擇人口數據樣本時，請確保在子集/樣本和總體之間按年齡段對個體進行相同的分配/比例。
關於統計測試和樣本量的一些閱讀材料：
I 類和 II 類錯誤以及統計功效 - StatPearls - NCBI Bookshelf
統計分析：樣本大小和功效估計 | BJA 教育 |牛津學術
希望這個答案能幫到你，
@Tessho0730
對於問題1，我認為你可以輸入以下數據來分析：
選擇分析 > 以 X 擬合 Y，然後指定 Y、X 和頻率的欄位。
但是正如VIctor所提到的，由於資料量很大，即使比例差異很小，P值也會很小，因此在解釋時必須小心。
我叫小野宏明，在 SAS Institute Japan Co., Ltd. 的 JMP 日本分會擔任資深測試員。
■(1) 當表格大於2 x 2 列聯表（例如5 x 5 列聯表）時，Fisher 精確檢定的計算複雜度會激增。
2x2 列聯表不會造成計算爆炸。雖然之前的一些研究可能會提到需要多大的m×n列聯表（比2×2列聯表要大）以及什麼樣的機器規格，Fisher精確檢定法才會無法完成計算，但是並沒有給出計算量的近似公式，本質上就是「不試一下怎麼知道計算能不能完成」。
（2）如果您的意思是“我想進行一項檢定來比較兩個組”，JMP 可以計算幾個用於比較組的檢定（和置信區間）。
■以下是我個人的想法。所有責任均由我承擔，而不由我工作的組織承擔。
這和你的問題有點題外，但一般來說（不僅僅是在 JMP 中），我個人認為組間比較的統計檢定大致可以分為以下幾類：
（a）基於模型的測試
t 檢定、邏輯迴歸、Cox 比例風險迴歸
（b）基於設計的測試
Wilcoxon 檢定、Cochran-Mantel-Heanzel 檢定、排列檢定、對數秩檢定
請注意，檢定 (a) 和 (b) 的結果可能相似，尤其是在樣本數較大時。例如，使用原始資料作為分數的排列檢定（=使用原始資料值作為分數的CMH檢定）在樣本量較大時會產生類似t檢定的結果。
我認為方法（a）的優點是可以輕鬆擴展到多個變數。例如，t檢定可以很容易地發展成多元迴歸，邏輯簡單迴歸可以很容易地發展成邏輯多元迴歸，等等。
■假設研究問題是“與其他癌症相比，罕見癌症是否會增加其他癌症的可能性？”，以下DAG（有向無環圖）成立：
+---------- 年齡 -----------------------+
| |
+---> 罕見癌症 -----> 多種癌症 <---+
假設年齡是這個 DAG 方向上的唯一因果因素，並且是從罕見癌症到多種癌症的混雜因素（換句話說，不存在從多種癌症到罕見癌症的反向路徑，而且除了年齡之外也沒有其他混雜因素，例如經濟狀況發現罕見的人越有可能接受癌症篩檢（雖然我不知道是否存在這樣的事情），從而有更大的機率發現罕見癌症和多種癌症）。
如果是這樣的話，我個人認為，查看年齡和罕見性之間的關係的數據，然後忽略年齡並僅僅因為它在統計學上不顯著而查看罕見癌症和多種癌症之間的關係，並不是一個好主意。
■離題一下，我不知道什麼樣的資訊是有用的，但我個人對於查看整個人口的匯總數據持保留態度，因為罕見癌症和多種癌症的發病率隨年齡而異。雖然這主要是一個描述性測試（而不是專注於二元決策的統計測試），但我個人認為第一步是通過按年齡（和其他屬性）對人群進行分層來查看當前情況，例如通過繪製馬賽克圖或使用樣條曲線作為邏輯回歸的解釋變量來找到預測百分比值並繪製它們。經過一些數據處理後，我可能能夠創建一個類似於 JMP 中附加的圖表（如果您有興趣，請回覆）。
