この記事は、設計から実行、分析、可視化まで、オフィスの温度に関する観察研究をどのように実施したかを示すシリーズの2番目です。最初の投稿については、パート1 。
前回の記事で、オフィスの気温に影響を与える要因について説明しました。JMPの実験計画法プラットフォームを使用して、これらの要因が強力な予測因子であるかどうかを判断する観察研究を計画しました。今日は、データを収集するプロセスと、分析のためにデータがどのように組み立てられたかを調べます。
左の写真のように、温度測定に役立つ9つのデジタル温度計を用意しました。彼らは小さく、事務所から事務所へ持ち運びが容易でした。ワイヤーの端にある金属センサーは、各ボランティアが注意する必要がある部分でした。センサーは温度の変化に非常に敏感でしたが、多くの場合変化が遅く安定しません。たとえば、誤ってセンサーに手を触れた場合、温度の測定値は急速に上がりますが、室温に戻るまでに数分かかります。
私たちは測定を行うたびに新しいアシスタントのセットを呼び、毎回多くの異なるボランティアを集めました。ほとんどまたはすべてのセッションでボランティアをしている人もいれば、1人か2人でしか援助できない人もいました。各ボランティアは体温計と部門の割り当てを与えられました。1つの部門に10の事務所があります。各事務所には、建物の東側にあるのか西側にあるのか、どのような種類のスペースなのかなどの特性があります。ボランティアは自分の課題シートに記入し、それを元に戻しました。各フォームは次のようになりました。
各ボランティアは10の事務所を割り当てられました。オフィスの中で、彼らは部屋の中央に温度計を持って、そして温度計が安定するのを数分間待ちました。ボランティアはまた、外の天気（雨、晴れなど）を書き留め、オフィスの中で見つかった条件に関するメモを書き留めました。たとえば、いくつかのオフィスではライトが消灯したまま空いていましたが、他のオフィスでは多くのランプと複数のコンピュータが部屋にありました。ある部屋には暖房もありました。頻繁にコメントされたのは、空いていて暗い部屋は居住していた部屋よりもずっと冷たいように見えたということでした。このような種類の観測は、モデルに含めることを考えていた要素ではありませんが、これが、これが "モデル"と呼ばれる理由の1つです。観察研究 。より厳密で制御された実験が将来行われるのであれば、我々は今やライトが点灯しているかどうかのようなことも制御することを知っているだろう。
6つの記録期間すべてについてデータが収集されると、1人の幸運なボランティアにデータをJMPに入力するタスクが割り当てられました。その後、Tables-> Concatenateを使用して、54個すべての「実行」からのデータを1つの大きなテーブルに組み立てました。それが完了したら、データに対して実行するいくつかのメンテナンスタスクがありました。
1。という名前で新しい列を作成します。華氏私たちの測定は摂氏度で行われましたが、私は個人的には華氏のスケールに慣れているので、私の分析では華氏の列を使用します。
2。Value Ordering列プロパティをに追加します。時刻 。JMPのデフォルトの順序はアルファベット順です。デフォルトでは、「午後」が「朝」の前になります。私たちが作成する視覚化では、「午前」が「午後」の前に表示されるように変更したいと思います。
3。データ入力時のエラーに対する健全性チェックとして、Fahrenheitで配布を実行します。最初の図のデータは、異常値によって歪められているように見えます。データを再確認すると、データ入力中に入力ミスがあったようです。24.2の代わりに242が入力されました。それを修正した後、私達は私達が見ることを期待するものにもっと似ている分布を見る。
これで、JMPツールを使用してモデルを実行し、データを視覚的に探索する準備が整いました。モデルではどのような要因が重要になると思いますか。次の記事では、JMP 9の新しいGraph Builder機能のこっそりのぞいてみてください。
データ収集とデータクリーニングのプロセスについてどう思いますか？あなたは違うことをしますか？
オフィスの気温に影響を与える要因重要なことを探る - JMPブログ書きました：
[...]設計から実行、分析および視覚化までのオフィスの温度について。パートI、パートII、パート[...]を参照してください。
