다중 테이블, 상호 참조됨 형식의 시작 창

분석 > 소비자 조사 > 선택을 선택하여 선택 플랫폼을 시작합니다. 선택 데이터가 여러 테이블에 있으면 "데이터 형식" 메뉴에서 다중 테이블, 상호 참조됨을 선택합니다.

그림 4.13 시작 창 - 다중 테이블, 상호 참조됨 형식 

Figure 4.13에서는 Pizza Profiles.jmp를 프로파일 테이블로 사용하는 다중 테이블의 시작 창을 보여 줍니다.

"다중 테이블, 상호 참조됨"의 경우 시작 창에 세 개의 섹션이 있습니다.

• 프로파일 데이터

• 반응 데이터

• 개체 데이터

프로파일 데이터

프로파일 데이터 테이블에서는 각 선택과 연관된 속성을 설명합니다. 각 속성은 데이터 테이블의 열을 정의합니다. 각 프로파일에 대한 행이 있습니다. 테이블 열에는 각 프로파일에 대한 고유 식별자가 포함됩니다. Figure 4.14에서는 Pizza Profiles.jmp 데이터 테이블과 완료된 "프로파일 데이터" 패널을 보여 줍니다.

그림 4.14 프로파일 데이터 테이블 및 완료된 프로파일 데이터 개요 

데이터 테이블 선택

프로파일 데이터가 포함된 데이터 테이블을 선택하거나 엽니다. 아직 열려 있지 않은 파일을 열려면 "기타"를 선택합니다.

프로파일 ID

각 속성 조합(프로파일) 행에 대한 식별자입니다. 프로파일 ID 열이 프로파일 데이터 테이블의 각 행을 고유하게 식별하지 못하는 경우 그룹화 열을 추가해야 합니다. 그룹화 및 프로파일 ID 열 조합이 행(프로파일)을 고유하게 식별할 때까지 그룹화 열을 추가합니다.

그룹화

프로파일 ID 열과 함께 사용할 경우 각 선택 집합을 고유하게 지정하는 열입니다. 예를 들어 Survey = A에 대해 Profile ID = 1이고, Survey = B에 대해 다른 Profile ID = 1인 경우 Survey가 그룹화 열로 사용됩니다.

프로파일 효과 생성

프로파일의 속성으로 생성된 효과를 추가합니다.

"프로파일 효과 생성" 패널에 대한 자세한 내용은 선형 모형 적합의 “Construct Model Effects”에서 확인하십시오.

참고: 선택 모형은 연속형 프로파일 및 개체 효과의 열 코딩 특성을 관측합니다.

Firth 편향 수정 추정값

편향 수정이 없는 MLE보다 더 나은 추정값과 검정을 생성하는 편향 수정된 MLE를 계산합니다. 이러한 추정값은 로지스틱 유형의 모형에서 발생하기 쉬운 분리 문제도 개선합니다. 로지스틱 회귀의 분리 문제에 대한 자세한 내용은 Heinze & Schemper(2002)에서 확인하십시오.

계층적 Bayes

베이지안 방법을 사용하여 개체별 모수를 추정합니다. 자세한 내용은 베이지안 모수 추정값에서 확인하십시오.

베이지안 반복 수

("계층적 Bayes"를 선택한 경우에만 적용 가능) 개체 효과를 추정하는 데 사용되는 적응형 Bayes 알고리즘의 총 반복 수입니다. 이 수에는 무시되는 반복의 번인 기간이 포함됩니다. 번인 반복 수는 시작 창에 지정된 베이지안 반복 수의 절반과 같습니다.

반응 데이터

반응 데이터 테이블에는 개체 식별자 열, 각 선택 집합의 프로파일에 대한 프로파일 식별자를 나열하는 열, 선호하는 프로파일 식별자가 들어 있는 열이 포함됩니다. 각 개체와 선택 집합에 대한 행이 있습니다. 데이터에 선택 집합 그룹이 두 개 이상 포함된 경우 그룹화 변수를 사용하여 선택 집합을 구별할 수 있습니다. Figure 4.15에서는 Pizza Responses.jmp 데이터 테이블과 완료된 "반응 데이터" 패널을 보여 줍니다.

그룹화 변수는 데이터에 둘 이상의 그룹이 포함된 경우 선택 인덱스를 정렬하는 데 사용할 수 있습니다.

그림 4.15 반응 데이터 테이블 및 완료된 반응 데이터 개요 

데이터 테이블 선택

반응 데이터가 포함된 데이터 테이블을 선택하거나 엽니다. 아직 열려 있지 않은 파일을 열려면 "기타"를 선택합니다.

선택된 프로파일 ID

프로파일 데이터 테이블에서 개체가 선택한 프로파일을 나타내는 프로파일 ID입니다.

그룹화

선택된 프로파일 ID 열과 함께 사용할 경우 각 선택 집합을 고유하게 지정하는 열입니다.

프로파일 ID 선택

가능한 프로파일 집합의 프로파일 ID입니다. 프로파일이 두 개 이상 있어야 합니다.

개체 ID

연구 참가자에 대한 식별자입니다.

빈도

빈도를 포함하는 열입니다. n이 지정된 행에 대한 "빈도" 변수의 값인 경우 해당 행은 계산에서 n번 사용됩니다. 이 값이 1보다 작거나 결측이면 JMP는 분석을 계산하는 데 이를 사용하지 않습니다.

가중치

데이터 테이블의 각 관측값에 대한 가중치를 포함하는 열입니다. 가중치는 값이 0보다 큰 경우에만 분석에 포함됩니다.

기준

기준 변수의 각 수준에 대해 개별 보고서를 생성합니다. 기준 변수가 둘 이상 할당되면 기준 변수의 가능한 각 수준 조합에 대해 개별 분석이 생성됩니다.

응답자는 "없음" 또는 "선택 안 함"을 선택할 수 있음

결측값이 포함된 반응 행에 대해 모형에 선택 안 함 표시자를 입력합니다. "다중 테이블, 상호 참조됨" 데이터 형식의 경우 반응 데이터 테이블에서 "선택 안 함" 행의 "선택된 프로파일 ID" 열에 범주형 결측값이 포함되어야 합니다. 이 옵션은 "반응 데이터" 패널 맨 아래에 나타납니다.

개체 데이터

개체 데이터 테이블은 선택적이며, 개체 효과를 모델링할지 여부에 따라 다릅니다. 이 테이블에는 반응 테이블에 사용된 개체 식별자가 있는 열과 개체의 속성 또는 특성에 대한 열이 포함됩니다. 반응 데이터 테이블에 개체 데이터를 넣을 수 있지만 "개체 데이터" 개요에서 개체 효과를 지정해야 합니다. Figure 4.16에서는 Pizza Subjects.jmp 데이터 테이블과 완료된 "개체 데이터" 패널을 보여 줍니다.

그림 4.16 개체 데이터 테이블 및 완료된 개체 데이터 개요 

데이터 테이블 선택

개체 데이터가 포함된 데이터 테이블을 선택하거나 엽니다. 아직 열려 있지 않은 파일을 열려면 "기타"를 선택합니다.

개체 ID

개체에 대한 고유 식별자입니다.

기준

기준 변수의 각 수준에 대해 개별 보고서를 생성합니다. 기준 변수가 둘 이상 할당되면 기준 변수의 가능한 각 수준 조합에 대해 개별 보고서가 생성됩니다.

모형 효과 생성

개체 데이터 테이블의 열로 생성된 효과를 추가합니다.

"모형 효과 생성" 패널에 대한 자세한 내용은 선형 모형 적합의 “Construct Model Effects”에서 확인하십시오.