消費者調査 > 選択モデル > 「選択モデル」プラットフォームの起動 > [1つのデータテーブル, 積み重ね]の起動ウィンドウ
公開日: 04/01/2021

[1つのデータテーブル, 積み重ね]の起動ウィンドウ

[1つのデータテーブル, 積み重ね]データ形式の起動ウィンドウ 

Image shown here

「列の選択」の赤い三角ボタンのメニューのオプションについて詳しくは、『JMPの使用法』列フィルタメニューを参照してください。

データテーブルの選択

このボタンをクリックした後、データが保存されているデータテーブルを選択するか、まだデータテーブルが開かれていない場合にはファイルを開いてください。まだ開かれていないデータテーブルを開くには、[その他...]を選択してください。

応答の指示変数

その選択肢が選択されたかどうかを示す値を含んだ列です。「1」は選択されたプロファイル、「0」は選択されなかったプロファイルを示します。回答者が何も選択しないことを許している場合は、いずれの選択肢も選択されなかった集合には欠測値を入力しておいてください。詳細については、回答者が「なし」や「選択せず」を選べるを参照してください。

被験者ID

調査に参加した人のID。

選択肢集合ID

被験者に提示された選択肢集合のID。被験者は、この選択肢集合のなかから、最も好きなものを選択します。

グループ

「選択肢集合ID」列と共に使用したときに、各選択肢集合を一意に示すことができる列。たとえば、「選択肢集合ID」の値が1である選択肢集合が2つあったとします。データテーブルにおいて、一方の選択肢集合に対しては「調査」列の値がAで、他方の選択肢集合に対しては「調査」列がBであるなら、その「調査」列を[グループ]列に指定します。

By

By変数の水準ごとに個別のレポートが作成されます。複数のBy変数を割り当てた場合は、それらのBy変数の水準の組み合わせごとに個別のレポートが作成されます。

プロファイル効果の作成

プロファイルの属性に関する効果を追加します。

「プロファイル効果の作成」パネルの詳細については、『基本的な回帰モデル』の モデル効果の構成を参照してください。

注: 選択モデルは、プロファイルや被験者の効果にある連続尺度の列にコード変換プロパティが設定されている場合、それを使用します。

被験者効果の作成(オプション)

被験者に関連する効果を追加します。

「被験者効果の作成」パネルの詳細については、『基本的な回帰モデル』のモデル効果の構成を参照してください。

Firthバイアス調整推定値

Firth法は、バイアス修正を伴う最尤推定であり、通常の最尤推定に比べ、推定や検定がより良い性質をもちます。さらに、ロジスティックモデルなどで生じる分離(separation)の問題も改善できます。ロジスティック回帰における分離の問題については、Heinze and Schemper(2002)を参照してください。

Image shown here階層型Bayes

Bayes流の方法で被験者ごとの係数値を求めます。Bayesパラメータ推定値を参照してください。

Image shown hereBayes計算の反復回数

([階層型Bayes]を選択した場合のみ有効。)被験者に関する係数の推定値を計算する際に使う適応型Bayesアルゴリズムの反復回数。ここで指定した反復回数には、推定からは破棄されるバーンインの反復回数も含まれています。バーンインの反復回数は、起動ウィンドウで指定した「Bayes計算の反復回数」の半分です。

回答者が「なし」や「選択せず」を選べる

応答が欠測値である行を「選択なし」としてモデルに含めます。[1つのデータテーブル, 積み重ね]形式の場合、回答者がどれも選択しなかったときは、データテーブルにおける「応答の指示変数」列を(数値の)欠測値にしてください。このオプションは、起動ウィンドウの一番下に表示されます。

より詳細な情報が必要な場合や、質問があるときは、JMPユーザーコミュニティで答えを見つけましょう (community.jmp.com).