近来在网上看到很多比较JMP和Minitab的文章，从基本的描述性统计到高端的DOE，分门别类，内容丰富，不可谓不透彻，比较的结果，也大都认为JMP在非常多的方面都远胜于Minitab。美中不足的是，笔者始终没找到有关“方差分析”的主题。其实我们公司在统计分析方面用得最多的就是方差分析ANOVA，本人对这两个软件都操练过（早年用Minitab多些，现在基本上用JMP），所以就在这方面为大家做个拾遗补缺吧。
假设我们要研究A、B、C三种不同药物对人体引起的疼痛效果是否存在显著差异，在最新版的JMP7和Minitab15中输入“疼痛”和“药物”两列数据，想得到方差分析的结果。
对比项目一：操作的便捷性。
JMP的操作路径为：主菜单Analyze > Fit Y By X，确定“Y”为“疼痛”、“X”为“药物”后，从红三角的下拉菜单中选择“Means/Anova”，即可得到如图一所示的报表；Minitab的操作路径为：主菜单Stat > ANOVA > One-Way，确定“Response”为“疼痛”、“Factor”为“药物”后，即可得到如图二所示的报表。如果需要输出统计图形，还要点击“Graph”按钮，在选项内做一些设定。从操作层面上来看，两者的便捷性差不多，Minitab的操作步骤稍微多了一些。
图一 JMP的输出结果
图二 Minitab的输出结果
对比项目二：统计分析的具体内容。
方差分析的最重要输出结果就是那张“ANOVA Table方差分析表”，JMP和Minitab都做到了。其他内容，诸如判定系数R-square、子组均值的置信区间等等，两者也都有涉及，只是形式略有不同，看不出孰高孰低。但是，如果考虑到JMP自由灵活的“输出报表定制化”这一特点，我们又不得不倾向于JMP多一些。
对比项目三：统计图形的效果。
图三是用JMP软件制作而成的统计图形，A、B、C三种不同药物之间的差异程度可以分别通过单值图Individual Value Plot、箱线图Boxplot、置信菱形图Mean Confidence Diamond Plot和直方图Histogram四种不同形式的统计图形表达方式在一个画面上同时展现出来，对用户的视觉影响力非常强大，而且还可以自由控制输出的类型和数量，感觉非常友好。图四是用Minitab软件制作而成的统计图形，只有单值图Individual Value Plot和箱线图Boxplot这两种统计图形表达方式，表现效果弱了许多。
图三 JMP输出的统计图形
图四 Minitab输出的统计图形
对比项目四：统计分析的拓展性。
在方差分析的基础上拓展起来的统计技术主要有两个：精确研究样本两两之间关系的Multiple Comparison（多重比较法）和处理样本方差不等时均值比较的Welch ANOVA（Welch方差分析法）。先说“多重比较法”，JMP和Minitab都能实现此项功能。但具有明显区别的是：Minitab纯粹是用复杂的统计数字来表达更加复杂难懂的分析结果（如图五所示），而JMP在输出统计分析报表的同时，还适当地应用“Comparison Circle Plot比较环图”生动形象地表示原本枯燥的统计结果（如图六所示）。再说“Welch方差分析法”，目前Minitab还不能实现此功能；而JMP可以从下拉菜单里面选择命令来实现此功能，得到类似图七所示的结果。笔者认为这是在方差分析领域，JMP领先Minitab优势最大的一个项目。看来，越是涉及到高级专业的统计概念，JMP的优势就越显著。
图五 Minitab的多重比较分析结果
图六 JMP的多重比较分析结果（图形部分）
图七 JMP的Welch方差分析的结果
经过上述深度比较，笔者认为JMP在“方差分析”方面遥遥领先于Minitab。这个结论与其他朋友的统计软件使用评比的结论不谋而合。怪不得现在有越来越多的全球大公司，如Seagate希捷、BOA美洲银行等都愿意不惜代价，用JMP软件替换掉原先的Minitab软件。
