Bonjour
Je m'appelle Hiroaki Ono et je travaille comme testeur dans la division JMP Japon de SAS Institute Japan Co., Ltd.
Le test Cochran-Mantel-Haazel pour comparer les scores moyens entre les groupes peut être effectué dans JMP à l'aide de « relations bivariées ».
Veuillez toutefois noter ce qui suit :
(1) Même si vous n'avez qu'une seule couche, vous devez ajouter une variable de couche.
(2) Si vous souhaitez comparer les notes moyennes, vous devez spécifier à l'avance dans les données les notes que vous souhaitez attribuer.
Par défaut, les scores sont numérotés 1, 2, 3, 4, 5, ...
(3) Les variables X et Y doivent être définies comme des variables catégorielles (échelle nominale ou ordinale).
D'ailleurs, je crois personnellement que le test CMH expliqué ci-dessous n'a pas pour but de confirmer « l'absence de biais d'âge » (ce que j'interprète comme signifiant que « même si l'âge n'est pas inclus dans l'analyse, il n'y aura pas de biais de confusion dans la relation entre les groupes et la variable résultat »).
(1) En général, pour de nombreux tests statistiques, la « non-significativité » indique simplement « qu’il n’y a pas suffisamment de preuves pour rejeter l’hypothèse nulle ». Comme le dit le proverbe, « l’absence de preuve n’est pas une preuve d’absence ».
(2) Même si un résultat est « significatif », il se peut qu’il ne l’ait été que dans ce cas précis par hasard.
(3) Même si un test statistique peut « prouver » qu’il existe une relation entre « l’âge » et le « groupe », cela ne signifie pas nécessairement que « l’âge » est un facteur de confusion (au sens de satisfaire au critère de porte dérobée DAG).
Personnellement, je crois que la question de savoir si « l’âge » est ou non un facteur de confusion devrait être décidée lors de discussions avec des experts du domaine, et non au moyen de tests de comparaison intergroupes (je crois que l’ouvrage de Hernán et Robins What If: Causal Inference adopte également la position selon laquelle les facteurs de confusion ne devraient pas être déterminés au moyen de tests). De plus, je pense que vous devriez discuter avec un expert dans le domaine (idéalement avant d’examiner les données) pour savoir s’il existe des facteurs de confusion qui doivent être pris en compte en plus de l’âge. Cependant, je pense qu’il y a différentes manières d’envisager la question.
Ici, je voudrais expliquer l'utilisation des pseudo-données jointes « dataexample.jmp » (car le droit d'auteur, etc. des données jointes n'était pas clair). L'opération est assez compliquée, donc si vous avez des questions, veuillez répondre à nouveau.
Supposons que le but du test soit d'effectuer un test de Cochran-Mantel-Haazel pour comparer les réponses ordinales (a, i, u, e, o, ka) entre deux groupes (A et
. La colonne « Fréquence » contient la fréquence de chaque combinaison. Nous expliquerons ce qui se passe lorsque les scores sont utilisés comme nombres consécutifs et lorsqu’ils sont utilisés comme classements moyens.
(Comme mentionné dans (c) à la fin, le test CMH utilisant les rangs moyens comme scores est équivalent à un test de Wilcoxon. Si vous avez déjà des données sur une échelle continue et que vous souhaitez utiliser les rangs moyens comme scores, il est plus facile d'effectuer un test de Wilcoxon que le test CMH en utilisant la procédure suivante. De plus, si les données sont volumineuses, les résultats seront similaires à un test t à deux échantillons utilisant ces scores.)
■ Lorsque vous utilisez des nombres consécutifs comme score
Si vous souhaitez attribuer des numéros consécutifs (1, 2, 3, 4, 5, 6) aux réponses (a, i, u, e, o, ka) et comparer les scores moyens entre les groupes, vous devez suivre les étapes ci-dessous.
(a-1) Ajoutez une colonne « couche » aux données où toutes les valeurs sont identiques.
(a-2) Sélectionnez [Analyser] → [Relations bivariées].
Et attribuez les rôles suivants à chaque colonne :
Définissez la variable Y sur [Y, variable de réponse]. Dans ce cas, la variable Y doit être sur une échelle nominale ou ordinale.
Les variables X (variables pour les deux groupes) sont [X, variables explicatives]
Cliquez sur [Bloc] pour sélectionner la colonne « Couche » créée dans (a-1) ci-dessus.
Si vous avez une colonne de fréquence, sélectionnez-la comme [Fréquence]
Une fois que vous avez terminé de configurer tous les paramètres, cliquez sur OK.
(a-3) Le « test Cochran-Mantel-Haenszel » est imprimé au bas du rapport. Parmi ceux-ci, le test « Comparaison des scores entre X » est le test Cochran-Mantel-Haazel, qui compare les scores moyens entre les groupes.
■ Lorsque le classement moyen est utilisé comme score
Si vous souhaitez attribuer aux réponses (a, i, u, e, o, ka) un score autre qu'un numéro séquentiel, vous devrez leur attribuer vous-même les scores avant d'exécuter les données.
Par exemple, si vous souhaitez utiliser le rang moyen comme score, les étapes à suivre sont les suivantes :
(b-1) Si la variable Y est une chaîne, sélectionnez [Colonnes] → [Recoder] pour la convertir en nombres avec les numéros de série 1, 2, 3, 4, 5, 6, ....
Dans ce cas, après avoir créé une nouvelle colonne avec Recode, cliquez avec le bouton droit sur la colonne recodée, sélectionnez Informations sur la colonne et définissez Type de données sur Numérique et Échelle sur Continu.
(b-2) Sélectionnez [Analyser] → [Distribution univariée]. Attribuez les rôles suivants à chaque colonne :
La colonne numérique recodée créée dans (b-1) ci-dessus est [Y, colonne]
S'il y a une colonne de fréquence, sélectionnez-la comme Fréquence
Une fois que vous avez terminé de configurer toutes les options, cliquez sur [OK].
(b-3) Cliquez sur le bouton triangle rouge sur le contour du nom de la colonne au-dessus de l'histogramme,
Sélectionnez [Enregistrer] → [Classement moyen]. Cette opération enregistre les rangs moyens dans une table de données.
(b-4) Cliquez avec le bouton droit sur la colonne des rangs moyens, sélectionnez « Informations sur la colonne » et remplacez « Échelle » par « Échelle ordinale ».
Après cela, suivez les mêmes étapes que (a-1) à (a-3) dans « ■ Si le numéro consécutif est utilisé comme score » ci-dessus. Cependant, pour (a-2) [Y, variable objective], précisez les colonnes de rangs moyens créées en (b-2) et (b-3).
■Le test de Cochran-Mantel-Haazel, qui compare les scores moyens entre deux groupes (ci-après dénommé « test CMH du score moyen »), est apparenté à plusieurs tests connus sous d'autres noms.
(c-1) Lorsque la taille de l’échantillon est grande, le « test CMH de moyenne des scores » produit des résultats similaires à ceux d’un test t à deux échantillons sur les scores. En particulier, les résultats sont asymptotiquement identiques.
(c-2) Le « test CMH du score moyen » produit des résultats similaires à ceux du test Cochran-Armitage. Le test de Cochran-Armitage est équivalent au test de score en régression logistique pour les réponses ordinales, donc lorsque la taille de l'échantillon est grande, le « test CMH de moyenne de score » sera similaire aux résultats du test en régression logistique ordinale.
(c-3) Lorsque l'on utilise les rangs moyens comme scores, le « test CMH du score moyen » produit les mêmes résultats que les tests connus sous le nom de « test de Wilcoxon », « test de Mann-Whiteney », « test de Wilcoxon-Mann-Whiteney », etc. (Lorsqu'un test de Wilcoxon est effectué dans JMP, les résultats sont générés pour les cas avec et sans correction de continuité de 1/2. Ces résultats concernent le « test de Kruskal-Wallis (approximation du Chi carré) » sans correction de continuité de 1/2. Le test CMH de JMP n'effectue pas de correction de continuité de 1/2.)
Je me souviens que ces relations, (c-1) à (c-3), sont écrites dans un manuel quelque part, mais je ne le retrouve plus maintenant. Si vous êtes intéressé, veuillez nous contacter et nous essaierons de trouver un manuel contenant l'explication.
