這篇文章是系列文章中的第二篇，將展示我們如何進行關於辦公室溫度的觀察性研究，從設計到執行再到分析和可視化。對於第一篇文章，請參閱第一部分 。
在上一篇文章中，我們討論了可能影響辦公室溫度的因素。我們使用JMP的實驗設計平台來設計一個觀察性研究，以確定這些因素是否是強預測因子。今天我們將研究收集數據的過程以及如何組裝數據進行分析。
我們手頭有9個數字溫度計來幫助進行溫度測量，如左圖所示。它們很小，便於從辦公室搬到辦公室。電線末端的金屬傳感器是每個志願者需要注意的部分。傳感器對溫度變化非常敏感，但通常變化緩慢且穩定。例如，如果您不小心用手觸摸傳感器，溫度讀數會迅速上升，但需要幾分鐘才能降回室溫。
每次我們進行測量時，我們都會召集一組新的助手，每次都會有很多不同的志願者。有些人自願參加大多數或所有會議，而其他人只能幫助一兩個人。每個志願者都有一個溫度計和一個部門的任務。請記住，一個部門有10個辦事處。每個辦公室都有特色，例如它是在建築物的東側還是西側，以及它是什麼類型的空間。志願者填寫了他們的任務單，並將其轉回。每個表單看起來像這樣：
每個志願者都有10個辦公室。在辦公室內，他們將溫度計放在房間的中央，等待幾分鐘讓溫度計穩定下來。志願者還記錄了外面的天氣（雨天，晴天等），並記下了他們在辦公室內發現的情況。例如，一些辦公室在燈關閉時空置，而其他辦公室則有許多燈和多台電腦。一個房間甚至有一個空間加熱器。經常有人評論說，空置和黑暗的房間似乎總是比被佔用的房間更冷。這些類型的觀察不是我們認為包含在模型中的因素，但這是其被稱為a的原因之一觀察性研究 。如果將來要進行更嚴格和控制的實驗，我們現在知道還可以控制燈是否亮起。
一旦收集了所有六個記錄期的數據，一名幸運的志願者被分配了將數據輸入JMP的任務。之後，我們使用Tables-> Concatenate將來自所有54個“運行”的數據組合成一個大表。完成後，需要對數據執行一些維護任務。
1。創建一個名為的新列飛輪海使用公式來修改Y.我們的測量是以攝氏度為單位進行的，但我個人對華氏度量表更熟悉，因此我將在分析中使用華氏溫度列。
2。將Value Ordering列屬性添加到一天中的時間 。JMP中的默認順序是按字母順序排列，默認情況下，“下午”將在“早晨”之前。我想改變它，以便在我們創建的任何可視化中，“早晨”列在“下午”之前。
3。在華氏溫度上運行分配，作為對數據輸入錯誤的健全性檢查。我們看到第一張圖片中的數據看起來像是異常值。仔細檢查數據，我發現數據輸入過程中存在拼寫錯誤。輸入242而不是24.2。在糾正之後，我們看到的分佈更像我們期望看到的。
現在我認為我們已經準備好運行我們的模型並使用JMP工具直觀地探索數據。您認為哪些因素在模型中具有重要意義？在下一篇文章中，請查看JMP 9中新的Graph Builder功能。
您如何看待我們的數據收集和數據清理流程？你將做點什麼不同的？
哪些因素影響辦公室溫度？探索什麼是重要的 - JMP博客中寫道：
[...]關於辦公室溫度，從設計到執行再到分析和可視化。見第一部分，第二部分和第二部分[...]
