선택 플랫폼 옵션
"선택 모형"의 빨간색 삼각형 메뉴에는 다음 옵션이 포함되어 있습니다.
참고: 계층적 Bayes를 사용하는 경우 랜덤 표집으로 인해 실행할 때마다 결과가 다릅니다.
가능도비 검정
자세한 내용은 가능도비 검정에서 확인하십시오.
MLE 모수 추정값 표시
(계층적 Bayes에 사용 가능) 모형 항의 계수에 대한 비 Firth 최대 가능도 추정값과 표준 오차를 표시합니다. 이러한 추정값은 계층적 Bayes 알고리즘의 시작 값으로 사용됩니다.
결합 요인 검정
(계층적 Bayes에는 사용 불가능) 해당 요인이 포함된 모든 효과에 대해 가능도비 검정을 생성하여 모형의 각 요인을 검정합니다. 결합 요인 검정에 대한 자세한 내용은 선형 모형 적합의 “Joint Factor Tests”에서 확인하십시오.
신뢰 구간
(계층적 Bayes에는 사용 불가능) "모수 추정값" 보고서에 각 모수에 대한 신뢰 구간을 표시하거나 숨깁니다.
신뢰 한계
(계층적 Bayes에 사용 가능) "베이지안 모수 추정값" 보고서에 각 모수에 대한 신뢰 한계를 표시하거나 숨깁니다. 한계는 사후 분포의 2.5 및 97.5 분위수를 기반으로 생성됩니다.
추정값 상관계수
"계층적 Bayes"를 선택하지 않은 경우 최대 가능도 모수 추정값 간의 상관을 표시합니다.
"계층적 Bayes"를 선택한 경우 모수 추정값의 사후 평균에 대한 상관 행렬을 표시합니다. 상관은 번인 후 반복에서 계산됩니다. 번인 후 각 반복의 사후 평균은 데이터 테이블의 열처럼 처리됩니다. "추정값 상관계수" 테이블은 이러한 열의 상관 행렬을 계산하여 생성됩니다.
주변 효과
모형의 각 주효과에 대한 주변 확률 및 주변 효용을 표시하거나 숨깁니다. 주변 확률은 다른 모든 속성이 평균 또는 기본 수준으로 설정된 상태에서 개체가 B보다 A 속성을 선택할 확률입니다.
Figure 4.18에서 개체가 모짜렐라(Mozzarella) 대신 몬테레이 잭 치즈(Jack)가 들어간 동일한 피자보다 모짜렐라 치즈, 두꺼운 크러스트 및 페페로니가 들어간 피자를 선택할 주변 확률은 0.9470입니다.
그림 4.18 주변 효과의 예
효용 프로파일러
서로 다른 요인 설정에 대한 예측 효용을 표시하거나 숨깁니다. 효용은 선형 모형에 의해 예측된 값입니다. 효용 프로파일러의 예는 최적 프로파일 찾기에서 확인하십시오. 효용에 대한 자세한 내용은 효용 및 확률에서 확인하십시오. 효용 프로파일러 옵션에 대한 자세한 내용은 프로파일러의 “Prediction Profiler Options”에서 확인하십시오.
확률 프로파일러
여러 잠재적 제품 간의 선택 확률을 비교할 수 있습니다. 이 예측 확률은 다음과 같이 정의됩니다.
여기서 U는 현재 설정에 대한 효용이고 Ub는 기준 설정에 대한 효용입니다. 이는 기준 설정의 확률이 0.5임을 의미합니다. 자세한 내용은 효용 및 확률에서 확인하십시오.
확률 프로파일러를 사용하는 예는 기준과 비교에서 확인하십시오. 확률 프로파일러 옵션에 대한 자세한 내용은 프로파일러의 “Prediction Profiler Options”에서 확인하십시오.
다중 선택 프로파일러
지정한 수의 확률 프로파일러를 표시합니다. 이렇게 하면 각 프로파일러를 지정된 프로파일러의 설정과 동일하게 설정하여 각 프로파일의 선택 확률을 다른 프로파일과 비교할 수 있습니다. 다중 선택 프로파일러를 사용하는 예는 다중 선택 비교에서 확인하십시오. 다중 선택 프로파일러 옵션에 대한 자세한 내용은 프로파일러의 “Prediction Profiler Options”에서 확인하십시오.
비교
특정 대체 선택 프로파일 간의 비교를 수행합니다. 비교할 요인과 값을 선택할 수 있습니다. 임의 체크박스를 선택하여 왼쪽 또는 오른쪽의 모든 설정 비교를 포함하여 특정 구성을 비교할 수 있습니다. 개체 효과가 있는 경우 비교할 개체 효과의 수준을 선택할 수 있습니다. "임의"를 사용하면 기능 간 모든 조합을 비교하는 것이 아니라, 왼쪽 설정을 다른 요인의 설정으로 사용하여 한 번에 한 기능씩 모든 비교 조합을 비교합니다.
그림 4.19 효용 비교 창
지불 의사
모형에 연속형 가격 열이 포함되어야 합니다. 고객이 기준 기능 비용과 관련하여 새 기능에 대해 지불할 용의가 있는 최대 가격 인상(인하)을 계산합니다. 결과는 각 배경 설정에 대한 기준 설정을 사용하여 계산됩니다.
효용 계산식 저장
여러 데이터 테이블에 대한 분석을 수행하는 경우 효용의 계산식 열을 포함하는 새 데이터 테이블을 생성합니다. 새 데이터 테이블에는 각 개체 및 프로파일 조합에 대한 행과 프로파일 및 개체 효과에 대한 열이 포함됩니다. 하나의 데이터 테이블에 대한 분석을 수행하는 경우 새 "효용 계산식" 열이 추가됩니다.
개체별 그래디언트 저장
(계층적 Bayes에는 사용 불가능) 각 개체별로 각 모수의 가능도 함수에 대한 평균 단계(헤시안 척도 그래디언트)가 포함된 행이 있는 새 테이블을 생성합니다. 이는 해당 개체를 나머지 개체와 분리하기 위해 라그랑즈 승수 검정을 사용하는 것과 같습니다. 나중에 기본 제공 스크립트를 사용하여 이러한 값을 군집화하면 데이터에 표시된 고유한 시장 세분화를 나타낼 수 있습니다. 자세한 내용은 그래디언트에서 확인하십시오. 예는 세분화의 예에서 확인하십시오.
개체 추정값 저장
(계층적 Bayes에 사용 가능) 각 행에 각 효과에 대한 개체별 모수 추정값이 포함된 테이블을 생성합니다. 각 효과에 대한 개체별 모수 추정값 분포는 "베이지안 모수 추정값" 보고서에 제공된 항의 추정값에서 중심화됩니다. "개체 수락 비율"은 Metropolis-Hastings 단계 중에 새 모수 추정값 추출에 대한 수락 비율을 제공합니다. 일반적으로 수락 비율이 0.2이면 양호한 것으로 간주됩니다. 자세한 내용은 베이지안 모수 추정값에서 확인하십시오.
Bayes 체인 저장
(계층적 Bayes에 사용 가능) 개체별 베이지안 추정값을 계산하는 데 사용된 반복 체인에 대한 정보를 제공하는 테이블을 생성합니다. 자세한 내용은 Bayes 체인 저장에서 확인하십시오.
모형 대화상자
모형을 수정하고 재적합시키는 데 사용할 수 있는 선택 시작 창을 표시합니다. 새 데이터 집합, 새 ID 및 새 모형 효과를 지정할 수 있습니다.
다음 옵션에 대한 자세한 내용은 JMP 사용의 “Local Data Filters in JMP Reports”, “Redo Menus in JMP Reports”, “Save Platform Preferences” 및 “Save Script Menus in JMP Reports”에서 확인하십시오.
로컬 데이터 필터
특정 보고서에서 사용되는 데이터를 필터링할 수 있는 로컬 데이터 필터를 표시하거나 숨깁니다.
다시 실행
분석을 반복하거나 다시 시작할 수 있는 옵션이 포함되어 있습니다. 이 기능을 지원하는 플랫폼에서 "자동 재계산" 옵션은 해당하는 보고서 창에서 데이터 테이블에 대한 변경 사항을 즉시 반영합니다.
플랫폼 환경 설정
현재 플랫폼 환경 설정을 보거나, 현재 JMP 보고서의 설정과 일치하도록 플랫폼 환경 설정을 업데이트할 수 있는 옵션이 포함되어 있습니다.
스크립트 저장
보고서를 재생성하는 스크립트를 여러 대상에 저장할 수 있는 옵션이 포함되어 있습니다.
그룹별 스크립트 저장
기준 변수의 모든 수준에 대한 플랫폼 보고서를 재생성하는 스크립트를 여러 대상에 저장할 수 있는 옵션이 포함되어 있습니다. 시작 창에서 기준 변수를 지정한 경우에만 사용할 수 있습니다.
참고: 이 플랫폼의 추가 옵션은 스크립트를 통해 사용할 수 있습니다. 자세한 내용은 "도움말" 메뉴의 "스크립트 인덱스"에서 여십시오. 또한 "스크립트 인덱스"에서 이 섹션에 설명된 옵션의 스크립트 예제도 찾을 수 있습니다.