これは、この11月のJMP日@ GICの間に、JMPのいくつかの内部JMPユーザーとMartin DemelおよびIan Coxとの会話の後に続きます（そのイベントの詳細は、ここで見つかりました ）。私はこれをウィッシュリストに載せることを勧められましたが、どうやらそうする特権がないので、代わりにディスカッションとして投稿してください。また、スクリーンショットを簡単に挿入する方法がわからなかったので、ほぼ同じ説明で適切なスクリーンショットのPDFを添付しました。ご不便をおかけして申し訳ございません。また、投稿の長さについてもお詫び申し上げます。問題を説明し、その方法について十分な詳細を説明することはできる限り徹底的に行うことを目的としています。
最初の質問は、JMPでコレスポンデンス分析（CA）を実行する方法です。2番目の質問は、JMPの監視と、JMPからの分析をより有用にし、誤解を避けるために必要な変更についてです。その一部は、PCA、PLS、MDSなどからの他のマップと同じです。
推論の一部は、すべてに適用される質問のチェックからのデータの通常のレイアウトに由来することに注意する必要があります。これは、多くの場合、行にsubject * product（存在する場合は* replication）、列に属性を持つ形式になります。。属性の値は、属性がチェックされている場合は1、それ以外の場合は0です（スクリーンショットの添付を参照）。
あります内部ウェブツールこれにより、この種のデータを分析できます。これらの分析は、以下で参照と見なされます。WebツールのCA部分からの結果は、基礎となる理論に基づいて、少なくとも3つの異なるRパッケージとRの独自の実装に対してチェックされているため、これらの結果がCAに通常使用されるものを表すと想定しても安全です。webtoolの詳細はヘルプページに記載されています。P＆G以外のユーザー向け：webtoolは以下の分析を提供します Meyners et al（2013） ：分割表、CA、近似に基づくコクランのQ検定、二項検定、PLA、MDA、MDS。
1。JMP経由のCA YをXに合わせるプラットホーム
このプラットフォームを使用するには、属性を含む1つの列（および製品を識別する別の列）にデータをスタックする必要があります。スタック JMPの友達です。スクリーンショットは添付ファイルを参照してください）。
を使用して YをXに合わせるプラットフォームでは、属性（「ラベル」）を製品（「製品」）ごとにモデル化できますが、「データ」列を分析の重みとして使用することが重要です（スクリーンショットの添付ファイルを参照）。
または、「データ」== 0のすべての行を削除することもできます。その場合、ウェイト列は不要になります。
分析により、分割表といくつかの詳細を備えたCAが提供されます。ただし、いくつかの問題については以下で説明します。
2。JMP経由のCA 多重コレスポンデンス分析[コンシューマーリサーチ] プラットホーム
CAを実行する際にこのプラットフォームをだますことができますが、このプラットフォームは2つだけではなく（この例では製品と属性）複数のカテゴリー質問で使用することを目的としています。
そのため、奇妙に感じるかもしれませんが、使用する必要があります属性はY、製品はX 。これにより、チェック（1）と非チェック（0）の両方のカウントが提供されるという事実（スクリーンショットの添付ファイルを参照）を除いて、ほぼ古典的な分割表が得られます。
これは、従来の分割表とは異なり、MCAで使用されるいわゆるBurt-matrixです。これは、グループごとに複数のカテゴリがある場合に役立ちます。たとえば、属性は複数のレベル（年齢グループやヘアカラーなど）を取る場合がありますが、2つのレベル（0と1）しかない場合は不要なので、データを複製します。JMPヘルプページのどこかで、単純なCAを実行しているのを見たと思います。これは事実ですが、これは、拡張（重複）分割表に基づいています。他の場所。違いは比較的小さいですが、2つの分割表の結果は同じではありません。JMPを使用すると、すべての属性も2回取得されます。0回と1回です（スクリーンショットの添付ファイルを参照）。
Rで同じ分割表（またはBurt行列）を手動で作成すると、JMPの結果を正確に再現できます。
JMPをだまして古典的な分割表を使用させる方法は、すべての属性列の欠損値として0を定義することです。その場合、結果は示されている最初の方法と同じです。
どちらのアプローチでも、JMPは絶対数の分割表を使用することに注意してください。上記のWebアプリケーションは、パーセンテージを使用しています（製品*属性の観測の総数に基づく）。これにより、グラフでは目立たないわずかに異なる結果が生じますが、正確な座標を見ると表示されます。これらの違いは、アルゴリズムの数値の丸めが原因である可能性があり、CAが絶対数で実行されている場合にも消えます。それらは実用的重要性はほとんどありませんが（読み取り：おそらくそうではありません）、誰かがその詳細レベルで結果を比較する場合に備えて、ここで言及されています。
3。JMPのCAに関する問題
プラットフォームに関係なく、JMPでのCAの現在の実装については、（少なくとも）2つの注目すべき問題があります。
- JMPはCAを絶対数に基づいています。これは、すべての製品と属性がデータセットで等しく評価され、欠損値がない場合は問題ありません。ただし、何らかの理由で製品Aが100回評価され、他のすべての製品が50回しか評価されていない場合、絶対数は製品間の潜在的な関連付けではなくサンプルサイズによって単に駆動されるため、これは無意味な結果になります。属性。
私想定するこれは、適切なウェイトを使用してすべての製品の全体的なウェイトを同じにすることで役立つ可能性がありますが、私は試していません。とにかくそれは製品に対してのみ機能するので、一部の評価者がより短い属性リストを持っている場合、または特定の属性を評価しなかった場合（=欠損値）、私が見る限り、それを修正する方法はありません。[注：欠落データと非チェックを区別することは不可能であるため、これはCATAデータでは起こりそうにありませんが、適用性テストなどの他の研究で発生する可能性があります。]
これは実際には私にとって深刻な制限のように思われるため、この問題に対する適切な解決策が見つかるまで、JMPのプラットフォームのいずれかを使用して不均衡なデータに対してCAを実行することはお勧めしません。 - もう1つの欠陥は、JMPがデフォルトで生成するグラフィックにあります。（多くの場合、いわゆる）知覚マップなど（PCA、CA、MDS、PLSなど）は、両方の軸で同じスケーリングが必要です。つまり、1つのユニットの物理長にはx軸とy軸の両方で同じになるようにします。xで90％のバリエーションが説明され、yで5つだけが説明されていると仮定します。次に、ディスプレイはそれを視覚的に表現する必要があります（バリエーションの説明された数値を参照しないと、人間の解釈に統合するのは困難です）。つまり、そのようなグラフィックは正方形ではなく横長の形式になります（下部の上部に白いスペースがあり、嫌いになる場合があります）。JMPはデフォルトではこれを保証せず、さまざまなスケールを提供します。JMPの改善策は、CAプロットを右クリックして、次に示すように、サイズ/スケール->等尺性のサイズを選択することです。したがって、この問題を解決するのは比較的簡単ですが、ユーザーは実際にそれを行うことを覚えておく必要があり、それは不必要な余分な労力です。このグラフでは、アイソメトリックスケーリングをデフォルトにすることが強く望まれます。レイアウトに歪みがあると誤解を招きやすいため、ユーザーが変更できないデフォルトにすべきだと提案するような長さにもします。上記のように、これはPCA、MDS、PLSなどのグラフと同様のグラフでも実行する必要があります（スクリーンショットの添付を参照）。
- 問題ではありませんが、望ましいことです。CAプロット（前述の他のプロットと同様）は、x軸またはy軸（またはその両方）に任意に反映できます。これは、MDSプラットフォームのJMP 13で提供されます（垂直/水平を反転）。個々の分析には実際には必要ありませんが、複数の調査やブレイクアウトなどの結果を比較する必要がある場合、結果のグラフが同じ方向になるように反射をユーザーが適用できるようにすると便利です。したがって、PCAだけでなくCAでも同じ機能を使用すると役立ちます。
