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" 빨간색 삼각형 메뉴의 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 프로필에 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 프로필 집합의 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.

프로필 효과 생성

프로필의 속성으로 생성된 효과를 추가합니다.

"프로필 효과 생성" 패널에 대한 자세한 내용은 선형 모형 적합의 "­모형 효과 생성­"에서 확인하십시오.

개체 효과 생성(선택 사항)

개체 관련 요인으로 생성된 효과를 추가합니다.

"개체 효과 생성" 패널에 대한 자세한 내용은 선형 모형 적합의 "­모형 효과 생성­"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.