応答変数の「ブランド」。値は「m」と「x」。
「柔らかさ」効果。値は「柔らかい」、「普通」、「硬い」。
「前回も使用」効果。値は「はい」と「いいえ」。
「温度」効果。値は「高」と「低」。
「度数」という列名の度数変数。カテゴリの組み合わせに対する度数を示します。
1.
[ヘルプ]>[サンプルデータライブラリ]を選択し、「Detergent.jmp」を開きます。
3.
「列の選択」リストで「ブランド」を選択し、[Y]をクリックします。
「ブランド」は、2水準の名義尺度の列であるため、[イベントを示す水準]オプションが表示されます。このオプションで、どの応答水準の確率をモデル化するかが指定できます。
4.
「度数」を選択し、[度数]をクリックします。
5.
「柔らかさ」から「温度」までを選択し、[マクロ]>[完全実施要因]をクリックします。
6.
[実行]をクリックします。
図10.8 3因子の要因モデルの「名義ロジスティックのあてはめ」
「効果の尤度比検定」レポートからは、「柔らかさ」を含む効果は、モデルの適合度に有意に寄与していないことがわかります。そのため、「柔らかさ」はモデルから削除してもかまわないと考えられます。効果の削除は、「効果の要約」レポートで次のように実行します。
7.
「効果の要約」レポートの「要因」列で、「柔らかさ*前回も使用」から「柔らかさ」までを選択し、[削除]をクリックします。
レポートが更新され、2因子の要因モデルになります(図10.9 )。「モデル全体の検定」レポートは、2因子のモデルも全体として有意であることを示しています。
図10.9 2因子の要因モデルの「名義ロジスティックのあてはめ」
図10.9 にあるレポートから、「前回も使用」と「温度」が洗剤の選択に対して効果を持つと結論できます。また、「温度」と「前回も使用」の交互作用は統計的に有意でなく、「温度」の効果が「前回も使用」に依存しないことがわかります。