该帮助的版本不再更新,请参见https://www.jmp.com/support/help/zh-cn/15.2 获取最新的版本.


Student t 方法仅控制单个比较的误差率。因此,它不是真正的多重比较过程。提供的所有其他方法控制关注的所有比较的总误差率。在这些方法中,每一种方法都使用多重比较调整来计算 p 值和置信限。
“多重比较”选项的控制窗口示例显示在图 3.28中。本例基于 Big Class.jmp 数据表,其中将体重设置为 Y,年龄性别身高设置为模型效应。有两类估计值可用于比较:“最小二乘均值估计值”和“用户定义的估计值”。
图 3.28 “最小二乘均值估计值”的启动窗口
图 3.29对如何指定“用户定义的估计值”进行了演示。已选定“年龄”的三个水平和“性别”的两个水平。此外,还手动输入了“身高”的两个值。已点击“添加估计值”按钮,生成了指定水平的所有可能组合的列表。此时,您可以指定更多估计值,并通过再次点击“估计值”按钮将其添加至“估计值进行比较”列表。
图 3.29 “用户定义的估计值”的启动窗口
注意:在本节中,我们将用均值一词来指代最小二乘均值的估计值或用户定义的估计值。
选择显示最小二乘均值图以获取最小二乘均值图。若您的效应是交互作用项,则提供创建交互作用图的选项。选择叠加的词条。若您未选择交互作用图,则最小二乘图将嵌套这些效应项。请参见最小二乘均值图选项
显著性检验的 t 比。仅当您在报表中右击并选择“列”>“t 比”时才显示该列。
显著性检验的 p 值。仅当您在报表中右击并选择“列”>“概率>|t|”时才显示该列。
该选项将指定水平的均值与这些水平的总均值进行比较。它显示一个表(其中显示总均值差值的置信区间)和一个图(其中显示决策限)。比较所用的方法称为均值分析(ANOM) (Nelson et al. 2005)。ANOM 是一种多重比较过程,用来控制针对总均值的所有配对比较的联合误差率。有关基于 Lipid Data.jmp 样本数据表的报表,请参见图 3.30
具体而言,平均最小二乘均值是权重与矩阵 的对角线元素成反比的加权平均值。其中,L 是用于计算组最小二乘均值的系数所构成的矩阵。有关最小二乘均值和平均最小二乘均值的技术定义,请参见《SAS/STAT 14.3 用户指南》中的“GLM 过程”一节 (SAS Institute Inc. 2017)。
Nelson:提供精确临界值和 p 值。尽可能使用,特别是在估计值不相关时。
Nelson-Hsu:基于使用 Hsu 因子分析近似 (Hsu 1992) 提供近似临界值和 p 值。在无法获取精确值时使用。
有关技术细节,请参见《SAS/STAT 14.3 用户指南》中的“GLM 过程”一章 (SAS Institute Inc. 2017)。
将包含 p 值(概率>|t|)的列添加到“与总平均值比较”报表。请注意,计算不平衡设计的精确临界值和 p 值要求复积分,计算起来可能较为困难。针对此类分位数的计算若失败,则计算 Sidak 分位数,但不提供 p 值。
考虑 Lipid Data.jmp 样本数据表。您关注在控制饮酒状况和心脏病史的前提下四种吸烟史类别中是否有任何类别的咖啡摄入量(杯/天)均值与咖啡摄入量的总平均值有明显不同。您指定包含咖啡摄入量(杯/天)的模型作为响应,将吸烟史饮酒状况心脏病史作为模型效应。
1.
选择帮助 > 样本数据库,然后打开 Lipid Data.jmp
2.
选择分析 > 拟合模型
3.
选择咖啡摄入量(杯/天)并点击 Y
4.
选择吸烟史饮酒状况心脏病史,然后点击添加
5.
点击运行
8.
在“选择初始比较”列表中,选择与总平均值比较 - ANOM
9.
点击确定
结果显示在图 3.30中,它说明在咖啡摄入量方面非吸烟者和吸烟者的最小二乘均值与总平均值有显著不同。
图 3.30 与“分级”的总平均值比较
若选择“与控制组比较 - Dunnett’s”,随即打开一个窗口,要求您指定控制组。若选定“最小二乘均值估计值”,该列表将包含您选定的效应的所有水平。若选定“用户定义的估计值”,该列表将包含您指定的效应水平组合。
若无法精确计算 p 值和置信区间,则使用 Hsu 因子分析近似 (Hsu 1992)。请注意,计算不平衡设计的精确临界值和 p 值要求复积分,可能需要大量计算。针对此类分位数的计算若失败,则计算 Sidak 分位数。
Dunnett:提供精确临界值和 p 值。尽可能使用,特别是在估计值不相关时。
Dunnett-Hsu:基于使用 Hsu 因子分析近似 (Hsu 1992) 提供近似临界值和 p 值。在无法获取精确值时使用。
有关技术细节,请参见《SAS/STAT 14.3 用户指南》中的“GLM 过程”一章 (SAS Institute Inc. 2017)。
将包含 p 值(概率>|t|)的列添加到“与总平均值比较”报表。请注意,计算不平衡设计的精确临界值和 p 值要求复积分,计算起来可能较为困难。针对此类分位数的计算若失败,则计算 Sidak 分位数,但不提供 p 值。
“所有配对比较”选项可显示“Tukey HSD 所有配对比较”或“Student t 所有配对比较”报表 (Hsu 1996; Westfall et al. 2011)。构造 Tukey HSD 比较,以使显著性水平联合应用到所有配对比较。相比之下,对于 Student t 比较,显著性水平应用到每一单个比较。使用 Student t 检验执行若干配对比较时,某个比较被错误地判定存在差异的风险可能远远超出规定的显著性水平。
检验的临界值。请注意,对于 Tukey HSD,分位数为 ,其中 q 是适当的学生化范围统计量的百分点。
Tukey:提供精确临界值和 p 值。在均值不相关且具有相等方差时或设计的方差平衡时使用。
Tukey-Kramer:提供近似临界值和 p 值。在无法获取精确值时使用。
有关技术细节,请参见《SAS/STAT 14.3 用户指南》中的“GLM 过程”一章 (SAS Institute Inc. 2017)。
在“Student 所有配对比较”报表中,您可找到用于 t 检验的分位数(或临界值),以及用于 t 检验的自由度 DF。
Tukey HSD 和 Student t 比较所有水平对。对于每个配对比较,“所有配对差异”报表都显示:
该图有时称为差值图均值-均值散点图,其中显示所有均值配对差值的置信区间。(相关示例,请参见图 3.32。)颜色指示哪些差值显著。
使用该选项可执行一个或多个等价性检验。若您想要检测有实际意义的差值,等价性检验很有用。您需要为组均值指定一个阈值差,比这更小的差值可被视为实际上等价。换言之,若两个组均值的差值未超过该数值,您愿意将其视为等价。
双单侧检验 (TOST) 方法用于检验均值之间的实际差值 (Schuirmann 1987)。针对实际差值超过阈值的原假设,构造双单侧合并方差 t 检验。若两个检验都拒绝,则均值差值在统计上未超过任一阈值。因此,这些组被视为实际上等价。若只有一个检验拒绝或两个检验均未拒绝,则各组可能实际上不等价。
p 值下限、p 值上限 — 与 t 比的下限和上限对应的 p
最大 p 值 — p 值下限和上限的最大值
考虑 Lipid Data.jmp 样本数据表。您关注在两个年龄组(25 和 35 岁)和平均身高保持不变的情况下胆固醇是否存在性别差异,是否在非吸烟者和曾吸烟者(其吸烟史分别等于 no 和 quit)方面存在差异。
1.
选择帮助 > 样本数据库,然后打开 Lipid Data.jmp
2.
选择分析 > 拟合模型
3.
选择胆固醇并点击 Y
4.
选择性别年龄身高吸烟史,然后点击添加
5.
点击运行
7.
8.
从“选择性别水平”列表中,选择 female(默认情况下应已选定)和 male
10.
年龄列表中,在前两行输入年龄 25 和 35。
不要在身高列表中输入任何值。因为未指定身高值,在“多重比较”报表中将使用身高列的均值。
11.
点击添加估计值
12.
在“选择初始比较”列表中,选择所有配对比较 - Tukey HSD
图 3.31 已填写的“用户定义的估计值”窗口
13.
点击确定
“所有配对差值”报表指示 28 个配对比较中的 2 个是显著的。图 3.32中显示的“所有配对比较散点图”将这些比较的置信区间显示为红色。您可以将光标置于任何点上以确定该点代表哪个配对比较。工具提示还包含该比较中两个水平的差值。图 3.32中的两个红色点表示对男性和女性比较 35 岁的曾吸烟者和 25 岁的非吸烟者的点。
图 3.32 针对用户定义的比较的“所有配对比较散点图”