如何使用JMP一次完成多變量的單因子分析

[#1]

在瞭解如何在JMP進行數據清洗、開始基礎統計分析。本文以及後面的幾篇文章中，我們將分別對線性迴歸的分析過程逐一展開介紹。

在進行線性迴歸多因素分析前，往往需要先進行單因素分析。但是，目前常用的大多數軟體操作單因素分析比較繁瑣，需要不斷替換自變量來重複操作，才能進行多個自變量的單因素分析。

然而，在JMP軟體中可以一次性實現全部自變量的單因素分析。今天的文章就要來分享如何透過JMP完成一次性多變量的單因子分析。

為什麼要做線性迴歸？

相比前面介紹的僅含一個組別變量的單因素分析，多因素分析在實際中更為常見，因為絕大多數的結局都不止受一個因素影響。如比較兩種不同藥物治療糖尿病的療效，即使兩組間療效有差異，也未必能歸因到藥物因素，因為像BMI、血壓、飲食等諸多因素也會同時影響到藥物治療的效果，如果這些因素在兩組間不均衡，就會影響到藥物的評價效果。因此實際中我們經常要用到多因素分析。

我們通常說的「校正」年齡、性別等因素的影響，或吸煙是肺癌的「獨立預後因素」，這些指的是多因素分析。線性迴歸常用於定量結局的多因素分析，主要用於描述1個或多個自變量與定量結局的線性關係。當我們想針對某定量結局進行危險因素探索，通常首先會考慮線性迴歸，如果線性迴歸不合適，再考慮其它替代方法。

線性迴歸的單因素分析

所謂單因素分析，也就是每次做迴歸都先放入1個自變量，觀察每一自變量與應變量的關係。

目前很多統計軟體做單因素分析時，只能放入一個自變量，然後做出結果；如果要看另一個自變量的效應，則需要返回重新再操作一次。

試想如果有20個自變量，就需要來回反覆做20次相同的工作。這一過程非常繁瑣也耗時，JMP軟體則提供了一次性實現所以自變量的單因素分析的工具。

以圖1的數據為例，探索軀體健康評分的可能影響因素。

圖1 範例數據（部分展示）

在JMP中依次點擊「分析」菜單→「以X擬合Y」（圖2），在彈出的對話框中將軀體健康評分導入「Y，響應」，將全部自變量導入「X，因子」（圖3）。

圖2「以X擬合Y」的操作示意圖第一步

圖3「以X擬合Y」的操作示意圖第二步

默認輸出結果如圖4所示（僅展示了3個自變量，其餘省略），頁面上僅呈現每個自變量與應變量的散點圖。

圖4 「以X擬合Y」的輸出結果

如果要查看各個自變量的單因素分析的檢定結果，則需在JMP中進行後續的一些操作。需要注意的是，連續變量和分類變量的操作步驟不同。

連續變量

對於連續變量，以年齡為例，點擊結果界面中「二元擬合」左側的紅色向下箭頭→選擇「擬合線」（圖5）。

圖5 連續變量的單因素分析操作示意圖

輸出結果如圖6所示，從圖中可以看出，年齡與軀體健康評分呈負向線性關係。從統計學檢定結果來看，年齡與軀體健康評分線性的關係在0.05的檢定水準上具有統計學意義（P=0.0275）。

圖6 連續變量的單因素分析結果

分類變量

對於分類變量，以飲酒為例，點擊「……單因子分析」左側的紅色向下箭頭→選擇「均值/變異數分析/合併的t」（圖7）。

圖7 分類變量的單因素分析操作示意圖

輸出結果如圖8所示，結果中同時給出了t檢定和單因素變異數分析的結果，兩者結果一致。結果顯示飲酒與軀體健康評分的關係不具有統計學意義（P=0.8871）。

圖8 分類變量的單因素結果

看到這裡，你可能會問：在自變量很多的情況下，每個自變量都要操作「擬合線」或「均值/變異數分析/合併的t」，過程會不會很繁瑣？

JMP中有一種便捷的方式用於解決此問題，能夠非常快速地顯示出全部自變量的統計檢定結果。

• 對於連續變量，先按ctrl鍵，然後點擊任意一項自變量其「二元擬合」左側的紅色向下箭頭→選擇「擬合線」，可實現所有連續變量的單因素分析結果的輸出。

• 對於分類變量，同樣是先按ctrl鍵，然後點擊任意一項分類變量左側的紅色向下箭頭，選擇「均值/變異數分析/合併的t」，可實現所有分類變量的單因素分析結果的輸出。

以上就是今天分享的基於JMP一次性實現全部自變量的單因素分析。之後我們將介紹如何在JMP中開展線性迴歸的多因素分析。敬請期待！

>> 深入瞭解 JMP 多變量分析

統計分析推薦文章：

• 如何在JMP中進行相關分析(Correlation Analysis) ？
• 樣本數愈多愈好嗎？樣本數與power值的計算
• 認識卡方檢定：分類資料組間比較的分析神器
• 卡方檢定的延伸：等級資料秩和檢定、趨勢卡方和配對卡方
• 變異數分析 (ANOVA) 與兩兩比較的思考脈絡與分析方法

原文連結: https://mp.weixin.qq.com/s/uHau9nfIKPAmk9YaPoAb5Q