<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />嗨！我是JMP的新手，非常感謝你能給予的任何幫助。 我已經閱讀了教程並蒐索了JMP社區但仍然遇到了麻煩。 我有一套市場研究調查數據，我想對其進行驅動分析。我理解線性回歸是進行驅動分析的方法，即確定哪些變量對因變量影響最大。 在這種情況下，自變量是評級問題（例如“你如何評價口味，在1-5的範圍內？”）和因變量是購買意圖（“你有多大可能購買此產品，在比例為1-5？“）。 所有變量都是名義上的。 每個變量都有5種可能的響應 - 至少現在直到我理解這一點並擴展分析以包含更多變量。
是否有人對市場研究數據運行驅動程序分析誰可以幫助？或者如果不是針對該特定應用，我可以獲得理解回歸模型的幫助嗎？
在我這樣做時我遇到的問題：
1）我選擇Nominal logistic作為運行Fit模型時的個性。 我有1個Y和12個構造模型效果變量。 我期望獲得12個模型效果變量中的每一個的beta係數，加上ap值以確定它是否有意義。 但我沒有看到單一的β係數估計值。 相反，在參數估計部分下，對每個可能的響應進行估計（例如，味道[極好]，味道[非常好]，味道[好]，味道[公平]，味道[差]），並且每個變量集重複4次。 因此，參數估計的術語列表很長。 我期待它是13個項目，每個變量一個加上一個用於攔截，而不是幾個屏幕長。 我如何解釋這些估計？
2）效應似然比測試部分列出了每個變量和ap值，因此在這裡我可以清楚地看到哪些變量很重要並且適合回歸以預測因變量。 但它並沒有告訴我相對重要性。
3）效果摘要部分是否顯示相對重要性？如何解釋LogScale列？我想說最重要的變量是這5個（或任何ap值為0.1或更小），變量A最重要，變量B重要兩倍等。 我希望從β係數得到這個，例如Taste的標準化係數為0.2意味著味道評級增加1將導致購買意圖增加0.2。 如果Aroma的係數為0.1，那麼它將是重要的一半，因為Aroma評級中增加1將導致購買意圖增加0.1。
一旦我搞清楚了，我就需要知道我是否可以使用具有不同名義尺度的變量來運行回歸。 但現在我需要了解基礎知識！
請幫忙！謝謝！
你好，
您可以嘗試的首要事項之一是確定所有自變量是否都是活動的並且對驅動程序分析很重要。 按照您的設置設置回歸，然後轉到Personality下拉菜單，如果是Nominal，則選擇Stepwise。 選擇確定。 這將帶您進入Stepwise流程的另一個窗口。 你會看到幾個可以改變的選擇。 現在接受默認值並選擇左中間的Go。 處理可能需要幾秒鐘，但一旦算法完成，請選擇右上角的Make Model。 這將打開一個新窗口，您將看到哪些因素對您的駕駛員分析很重要。再次選擇“確定”，您將看到在構建模型時當前看到的相同模型報告。
還有一些掌握JMP點播視頻，您應該觀看這些視頻將顯示有關連續和名義數據的回歸的更多信息。
這不是所有（或任何）任何問題的答案，但其中許多問題將由視頻回答。
請嘗試以下鏈接中的視頻開始。
指定和擬合模型| JMP
HTH
法案
