테이블 한 개, 쌓여짐 형식의 시작 창

분석 > 소비자 조사 > 최대차이를 선택하여 최대차이 플랫폼을 시작합니다. 최대차이 데이터가 단일 테이블에 있으면 "데이터 형식" 메뉴에서 테이블 한 개, 쌓여짐을 선택합니다.

그림 5.9 시작 창 - 테이블 한 개, 쌓여짐 데이터 형식 

"열 선택"의 빨간색 삼각형 메뉴에 포함된 옵션에 대한 자세한 내용은 JMP 사용의 “Column Filter Menu”에서 확인하십시오.

데이터 테이블 선택

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

반응 표시자

선호도 데이터를 포함하는 열입니다. "최선" 및 "최악" 선택에 대해 1, -1, 0 중 두 개의 값을 사용하고 최선 또는 최악이 아닌 프로파일에 세 번째 값을 사용합니다. 기본 코딩은 최선 선택을 나타내는 1과 최악 선택을 나타내는 -1입니다.

개체 ID

연구 참가자에 대한 식별자입니다.

선택 집합 ID

주어진 선호도 결정을 위해 개체에 제공된 프로파일 집합에 대한 식별자입니다.

그룹화

"선택 집합 ID"와 함께 사용할 경우 각 선택 집합을 고유하게 지정하는 열입니다. 예를 들어 Survey = A에 대해 Choice Set ID = 1인 선택 집합이 있고, Survey = B에 대해 Choice Set ID = 1인 다른 선택 집합이 있는 경우 Survey를 그룹화 열로 사용해야 합니다.

기준

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

프로파일 효과 생성

프로파일의 속성으로 생성된 효과를 추가합니다.

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

개체 효과 생성(선택 사항)

개체 관련 요인으로 생성된 효과를 추가합니다.

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

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.