Da jedes analytische Softwarepaket die Analyse unterschiedlich handhabt, verarbeitet und ausgibt, kann der Übergang von einem Softwareprogramm zu einem anderen einschüchternd sein. Sobald Benutzer mit einem Programm vertraut sind, kann es schwierig sein, Übergänge entweder zu einem anderen Programm oder zu einer neueren Version desselben Programms vorzunehmen. Dies gilt insbesondere für neue JMP®-Benutzer, die SPSS entweder in einem anderen Unternehmen oder als Student gelernt haben.
Dieser Leitfaden, der von Dr. Joshua Lambert von der University of Cincinnati verfasst wurde, soll dem Benutzer den Übergang von SPSS Version 27 zu JMP 16 und JMP Pro 16 erleichtern. In diesem Whitepaper veranschaulichen wir die Unterschiede zwischen SPSS und JMP und zeigen Ihnen, wie einfach dieser Übergang sein kann.
Um diese Unterschiede zu demonstrieren, werden wir Daten von einem der berüchtigtsten Schiffswracks der Geschichte verwenden: dem Untergang der RMS Titanic.
Zu den in diesem Dokument behandelten Themen gehören:
Der vollständige Text des White Papers wird unten angezeigt.
(Hinweis: Sie können direkt zu einem bestimmten Abschnitt springen, indem Sie auf die obigen Hyperlinks klicken.)
Einführung
Das Jahr war 1989 und Poisons neues Lied "Jede Rose hat Dornen" führte die Charts an. Die PC-Landschaft veränderte sich rasant und versuchte, durch die neu eingeführte grafische Benutzeroberfläche (GUI) einen Teil ihrer dornigen Vergangenheit loszuwerden. Der Apple Macintosh hat die Desktop-GUI populär gemacht, und viele Softwareunternehmen wollten transformative Produkte entwickeln, um die Benutzerfreundlichkeit und Zugänglichkeit der GUI zu nutzen. Am SAS Institute veröffentlichten John Sall und sein Entwicklerteam im Oktober 1989 Johns Macintosh Project (JMP) Version 1. Mit JMP Version 1 erhielten Benutzer ein grafisches Front-End, mit dem sie angeben konnten, welche Analysen und Optionen die Software ausführen soll, ohne dass Code geschrieben werden muss. 1994 wurde JMP 3.1 für die Windows-Desktopumgebung veröffentlicht. Im Jahr 2020 führt das JMP-Team weiterhin neu entwickelte statistische Methoden ein und behält gleichzeitig seine lange Liste hochwertiger Analysetools in JMP 16 und JMP 16 Pro für Mac und Windows bei. Die benutzerfreundliche Point-and-Click-Umgebung von JMP macht es zu einem beliebten Tool für eine Vielzahl von datenwissenschaftlichen Aktivitäten.
Das Statistical Package for the Social Sciences (SPSS) ist ein bekanntes und stark genutztes Programm zur statistischen Analyse von Daten. Es hat eine reiche Geschichte sowohl in der Wissenschaft als auch in der Industrie und ist in bestimmten Disziplinen der Standard. SPSS wurde ursprünglich in der Zeit vor der GUI entwickelt und fand früh eine Nische, als es zu den ersten gehörte, die auf das GUI-Format umstellten. Wie JMP und viele andere Unternehmen hat SPSS ein grafisches Front-End entwickelt, mit dem Benutzer Daten einfach verarbeiten und analysieren und so Analysen für die breite Masse bereitstellen können.
JMP- und SPSS-Datenanalyse-Workflows unterscheiden sich grundlegend. JMP ist so konzipiert, dass Benutzer eine dynamische und flüssige Verbindung zwischen ihren Daten und Analysen haben. Dieser Link führt zu einer anderen Perspektive für die Datenanalyse, die wir in diesem Handbuch untersuchen werden. SPSS erfordert einen statischen Workflow, mit dem Benutzer angeben können, welche Analyse sie durchführen möchten, bevor die Ausgabe angezeigt wird. JMP führt Benutzer durch eine Informationskaskade, von der Definition von Antwort- und Erklärungsvariablen, die sie verarbeiten möchten, bis hin zu spezifischeren Vergleichen, die sie untersuchen möchten. Die Benutzererfahrung von JMP soll Benutzer durch interaktive und dynamische Datenanalyse führen.
Im Jahr 2020 gibt es eine Vielzahl von Softwareoptionen für die Verarbeitung und Analyse von Daten. Jede Software verarbeitet, verarbeitet und gibt Analysen ganz unterschiedlich aus, was den Übergang von einem Softwareprogramm zu einem anderen sehr schwierig machen kann. Dieses Handbuch soll dem Benutzer den Übergang von SPSS Version 27 zu JMP 16 und JMP Pro 16 erleichtern. Das folgende Beispiel zeigt am besten die Unterschiede zwischen SPSS und JMP und wie der Übergang von einem zum anderen erleichtert wird. Dieses Beispiel ist unabhängig von der betrachteten Software, sodass der Hintergrund und der Datensatz aus alternativen Quellen stammen.
Beispiel
Der Untergang der RMS Titanic ist eines der berüchtigtsten Schiffswracks der Geschichte. Am 15. April 1912 sank die Titanic während ihrer Jungfernfahrt nach einer Kollision mit einem Eisberg und tötete 1502 von 2224 Passagieren und Besatzungsmitgliedern. Diese sensationelle Tragödie schockierte die internationale Gemeinschaft und führte zu besseren Sicherheitsbestimmungen für Schiffe.
Das titanic.csv Datei enthält Daten für 887 Passagiere der Titanic. Jede Zeile repräsentiert eine Person mit den Spalten, die verschiedene Attribute über die Person beschreiben: Überlebt (0 = Nein, 1 = Ja), Klasse (1 = 1. Klasse, 2 = 2) nd Klasse, 3 = 3 rd Klasse), Name, Geschlecht (männlich, weiblich), Alter, Geschwister / Ehepartner an Bord, Eltern / Kinder an Bord und Tarif.
Daten importieren und bereinigen
SPSS
Beim Öffnen von SPSS können wir viele Dateitypen (CSV, Stata, SAS, Excel usw.) mithilfe der Optionen im Menü Datei öffnen. Nach einer Reihe von Schritten, in denen die Software nach Trennzeichen und Menüs sucht, importieren wir die folgende Datei (deaktivieren Sie das Kontrollkästchen Leerzeichen unter "Welche Trennzeichen werden zwischen Variablen angezeigt?" Für die titanic.csv-Daten):
Ein kurzer Blick auf die Tabelle zeigt acht Variablen und 887 Beobachtungen. Wir sehen Daten zu Überleben, Passagierklasse, Name, Geschlecht, Alter, ob ein Geschwister oder Ehepartner an Bord war, ob Eltern oder Kinder an Bord waren, und zum Tarif (gemessen in £ s).
SPSS bietet zwei Methoden zum Anzeigen jedes Datensatzes: die Optionen Datenansicht und Variablenansicht, die über Registerkarten am unteren Rand jedes Datensatzes angezeigt werden. Wenn wir die Daten in der Variablenansicht öffnen, sehen wir den Datentyp jeder Variablen und können diese Informationen durch Hinzufügen von Beschriftungen und Ändern von Formaten ändern.
Es gibt bereits einige Dinge, die wir erledigen müssen, um diese Daten zu bereinigen und für die Analyse vorzubereiten. Glücklicherweise wurden die meisten Variablen in ihrem richtigen Maßtyp gelesen. Alter und Tarif werden als Skala oder kontinuierliche Variablen gemessen, während die anderen Variablen als Nominal gemessen werden. Die Variablen PClass, S GeschwistersSpouse und Parents Children sollten in Ordinaltypen geändert werden. Dies kann in der Variablenansicht durch Klicken in der Spalte Measure erfolgen. Es fehlen auch keine Daten, sodass nicht sichergestellt werden muss, dass die Software fehlende Beobachtungen korrekt behandelt.
In SPSS müssen wir kategoriale Variablen vom Typ String (Text) kennzeichnen, was auch in der Variablenansicht mit der Option Werte erfolgt. Es gibt zwei Variablen (Name und Geschlecht) vom Typ String. In diesem Beispiel wird die Variable Name nicht verwendet. Wir planen, die Variable "Geschlecht" zu verwenden, daher müssen wir den Kategorien "Geschlecht" Werte hinzufügen. Klicken Sie dazu in der Variablenansicht in der Spalte Geschlecht und Werte auf die Schaltfläche….
Die Grundidee für die Darstellung von Daten in SPSS besteht darin, zwei Anzeigeoptionen bereitzustellen, die die Daten in Bezug auf die einzelnen Beobachtungen anzeigen, sowie eine Übersicht über den Typ jeder Variablen.
JMP
Bei der Umstellung auf JMP öffnen wir dieselben Daten und führen dieselben Manipulationen durch. Beginnen wir mit dem, was beim Starten des Programms passiert. Wenn JMP gestartet wird, erhalten wir als erstes einen Tipp des Tages und ein Startfenster. Das Home-Fenster verwaltet verschiedene Fenster für Daten, Protokoll und Ausgabe. Zuletzt verwendete Dateien sind auf der linken Seite verfügbar, sodass wir Dateien, die in einer früheren Sitzung verwendet wurden, bequem wieder öffnen können.
Eine weitere Funktion von JMP ist das JMP-Starterfenster, das sich im Menü Ansicht befindet. Der JMP-Starter ist praktisch für neue Benutzer, da er Befehle zur Analyse in Kategorien organisiert und Zusammenfassungen für jede Daten- und Analyseoption bereitstellt. Sie können die Titanic-Daten für dieses Projekt öffnen, indem Sie in der Kategorie Datei auf den Befehl Datentabelle öffnen klicken, zu dem Ordner navigieren, der die Datei enthält, sie auswählen und auf Öffnen klicken. Sie können Daten auch direkt über das Menü Datei öffnen.
Wie SPSS kann JMP eine Vielzahl von Dateien öffnen, darunter CSV-Dateien, Excel-Tabellen, SAS-Datensätze, SPSS-Dokumente und Textdateien.
Im Gegensatz zur Daten- und Variablenansicht von SPSS wechselt JMP nicht zwischen mehreren Ansichten in den Daten. Stattdessen befinden sich auf der linken Seite Tischplatten, die ähnliche Aufgaben ausführen.
Das mittlere linke Feld zeigt die Spalteninformationen an und zeigt jede der acht Variablen und den Datentyp. Für jeden Datentyp gibt es Symbole vom Typ Modellierung: Blau für kontinuierliche Variablen, Rot für Nenndaten und Grün für Ordnungsdaten. Beachten Sie, dass die Variablen Survived in Nominal type und Pclass in Ordinal geändert werden müssen. Geschwister / Ehepartner an Bord und Eltern / Kinder an Bord können ebenfalls in Ordinal geändert werden. Um den Typ zu ändern, klicken Sie einfach mit der linken oder rechten Maustaste auf die variable Spaltenüberschrift und wählen Sie Spalteninformationen. Der Typ kann auch geändert werden, indem Sie mit der rechten oder linken Maustaste auf das Symbol (blaues Dreieck oder rotes Histogramm) im linken Bereich klicken. Das untere linke Feld fasst die Zeilen zusammen und zeigt zusätzliche Informationen an.
Lassen Sie uns die Variablen Survived und Pclass ändern. Durch Klicken mit der rechten oder linken Maustaste auf das blaue Symbol neben der Variablen "Überlebt" im linken mittleren Bereich können Sie "Nominal" auswählen, wodurch das Symbol rot wird. Durch Klicken mit der rechten oder linken Maustaste auf das blaue Symbol neben der Variablen Pclass im linken mittleren Bereich können Sie Ordinal auswählen, wodurch das Symbol grün wird. Wir hätten diese Änderungen auch vornehmen können, indem wir mit der rechten Maustaste auf die Spaltenüberschriften geklickt und Spalteninformationen ausgewählt hätten.
Es gibt andere Datentypen in JMP 16. (Eine vollständige Beschreibung der Datentypen finden Sie hier Verknüpfung .) Zum Beispiel ist Name technisch unstrukturierter Text und nicht nominal. Diese Änderung kann nur vorgenommen werden, indem Sie mit der rechten Maustaste auf die Spaltenüberschrift klicken, Spalteninformationen auswählen und dann unter Modellierungstyp die Option Unstrukturierter Text auswählen. Im Gegensatz zu JMP verfügt SPSS weder über eine Option zum Behandeln von Variablen als Texttypvariablen noch über eine Plattform zum Analysieren von Textantworten.
Wie bei SPSS können wir auch in JMP Wertelabels hinzufügen. Klicken Sie dazu mit der rechten Maustaste auf die Spaltenüberschrift, auf die wir Beschriftungen anwenden möchten, und wählen Sie Spalteninformationen aus. Wählen Sie dann unter Spalteneigenschaften die Option Wertelabels aus. Im Gegensatz zu SPSS bietet JMP den USA die Möglichkeit, die Wertelabels oder die ursprünglichen Werte zu verwenden. Wenn Spalten Eigenschaften zugewiesen werden, signalisiert JMP diese Änderungen mit verschiedenen Symbolen vor den interessierenden Spaltennamen. Hier sehen wir, dass Sternchen für die Variable Geschlecht erstellt wurden. Es sollte beachtet werden, dass JMP viele andere Spalteneigenschaften hat, die uns helfen können, die Variabilität innerhalb unserer Daten wie Wertelabels, Wertreihenfolge und Einheiten besser zu verstehen.
Visualisierung
Die Visualisierung ist ein leistungsstarkes Werkzeug zum Analysieren und Verstehen von Daten. Die Möglichkeit, Diagramme einfach über statistische Software zu erstellen, ist einer der Hauptgründe, warum Analysesoftware so beliebt ist. Die Visualisierung erfolgt am einfachsten in SPSS über die Chart Builder-Plattform und in JMP über die Graph Builder-Plattform. In diesem Handbuch werden drei einfache und dennoch leistungsstarke Visualisierungswerkzeuge erläutert: Balkendiagramme, Histogramme und Streudiagramme.
SPSS
Angenommen, wir möchten die Diskussion auf die Variablen Alter, Tarif und Geschlecht beschränken, um die Verteilung der einzelnen Variablen zu visualisieren und alle drei in einem Diagramm anzuzeigen. Wir beginnen mit der Erstellung eines Balkendiagramms für Sex. Eine schnelle und einfache Möglichkeit, dies zu tun, sind die Legacy-Dialoge im Menü Grafik.
Für diese Daten sehen wir, dass etwas mehr als die Hälfte der Datenpunkte männlich sind. In Bezug auf Alter und Tarif können wir diese Daten in einem Histogramm visualisieren, das auch in den Legacy-Dialogen zu finden ist.
Zusätzlich zu den Histogrammen erhalten wir auch einige einfache Statistiken für jede Variable (Mittelwert, Standardabweichung und Stichprobengröße N). Wir können auf jedes Diagramm in der Ausgabe doppelklicken und es nach Belieben anpassen. Wenn wir die Verteilung von Alter und Tarif untersuchen, sehen wir Beobachtungen, die einen viel höheren Tarif hatten als die anderen.
Für kompliziertere Diagramme verwenden wir die Option Chart Builder im Menü Diagramm. Mit Chart Builder können wir ein Streudiagramm von Alter gegen Tarif erstellen, das nach Geschlecht farblich gekennzeichnet ist.
Das Dialogfeld "Diagramm-Generator" ist nützlich, da es einfach zu verwenden ist und angepasst werden kann. Wir klicken einfach auf den gewünschten Diagrammtyp und ziehen ihn in das Vorschaufenster. Klicken und ziehen Sie von dort aus die Variablen, die Sie auf der x- und y-Achse verwenden möchten, und ziehen Sie die Farbvariable auf die Farbe festlegen? Box. Sobald das Diagramm festgelegt ist, können wir unsere Ergebnisse anzeigen, indem wir auf OK klicken.
Beim Betrachten dieses Streudiagramms können mehrere Punkte zu den Daten gemacht werden. Erstens scheint es zwei ungewöhnliche Beobachtungen (eine männliche und eine weibliche) für den Fahrpreis zu geben, die ähnlich alt sind. Vielleicht waren sie zusammen unterwegs? Diese Datenpunkte sehen in Bezug auf den Rest der Daten sicherlich fehl am Platz aus. Anhand des Streudiagramms ist schwer zu erkennen, ob ein linearer Zusammenhang zwischen Alter und Tarif besteht. Auch unter Tarif scheint es viele Punkte von 50 £ oder so zu geben.
JMP
Bevor wir uns mit Datenvisualisierungen in JMP befassen, erinnern wir uns an die Einführung, dass JMP als interaktive Software konzipiert ist. Der größte Teil dieser Interaktivität erfolgt in Form kleiner roter Dreiecksymbole an verschiedenen Stellen der Daten und der Ausgabe, mit denen der Benutzer zusätzliche Analysen untersuchen kann. Die SPSS-Ausgabe ist größtenteils statisch. Für die weitere Untersuchung müssen Sie das Diagramm der Analyseplattformen erneut öffnen und die Optionen erneut auswählen. Wir beginnen erneut mit einem einfachen Balkendiagramm. Benutzer können über den Menüpunkt Grafik in der oberen Menüleiste problemlos auf Grafikfunktionen zugreifen. Für die meisten Grafiken und Diagramme ist der dynamische und benutzerfreundliche Graph Builder von JMP die logische Wahl. Um ein Balkendiagramm zu erstellen, wählen wir den Graph Builder aus, der auch eine Vielzahl anderer Diagramme zulässt, z. B. Kreisdiagramme, Blasendiagramme und Liniendiagramme.
Graph Builder ist eine benutzerfreundliche Drag-and-Drop-Plattform, mit der wir Daten auf ansprechende und interessante Weise untersuchen und visualisieren können. Das Erstellen eines Balkendiagramms für eine kategoriale Variable erfolgt zunächst durch Auswahl der Balkendiagrammschaltfläche in der Multifunktionsleiste oben im Diagramm. Ziehen Sie als Nächstes Sex in das x-Feld am unteren Rand des Diagramms. Wenn wir die Sex-Variable über das Diagramm ziehen, sehen wir, dass sich der Graph Builder von JMP dynamisch ändert und uns eine tatsächliche Ansicht darüber gibt, wie das Diagramm aussehen wird, wenn wir uns entscheiden, die Variable dort abzulegen. Dies unterscheidet sich von SPSS, bei dem vor der Anzeige des tatsächlichen Diagramms OK ausgewählt werden muss. Das Rückgängigmachen dieser Änderung ist so einfach wie das vollständige Ziehen der Variablen aus dem Diagramm oder auf einen anderen Abschnitt der Diagrammplattform. Sobald Sex auf das x-Feld am unteren Rand des Diagramms gelegt wird, wird ein Balkenoptionsfenster angezeigt, in dem Sie Optionen für das neue Balkendiagramm auswählen können. Das Einfügen des Prozentsatzes der Gesamtsumme über den Balken ist beispielsweise so einfach wie das Auswählen dieser Option in der Dropdown-Liste Beschriftung. Diese Option zeigt den Anteil der gesamten Stichprobe, der weiblich und männlich ist, oben auf der Leiste und nicht gar nichts (Standardoption).
Das Ändern der Achse in den Prozentsatz der Gesamtsumme ist so einfach wie das Auswählen von% der Gesamtsumme unter den Balkenoptionen in der Dropdown-Liste "Zusammenfassungsstatistik". Alle Plottitel, Achsenbeschriftungen und Legendeneinstellungen können durch Doppelklicken oder Rechtsklick geändert werden, indem Sie zu der zu ändernden Einstellung wechseln. Der Diagramm-Generator ist sehr interaktiv. Das Ändern eines Balkendiagramms in ein Kreisdiagramm ist also so einfach wie das Klicken auf die Kreis-Schaltfläche im Menüband oben. Wenn Sie auf Fertig klicken, wird die Systemsteuerung von Graph Builder entfernt und nur das erstellte Diagramm belassen. Dies ist nützlich, wenn Sie das Diagramm als Bilddatei exportieren möchten. Klicken Sie dazu auf Datei> Exportieren und wählen Sie eine der zahlreichen Dateitypoptionen von JMP aus (z. B. Bild, PDF, Microsoft Word). Sie können die Systemsteuerung erneut öffnen, indem Sie auf das rote nach unten zeigende Dreieck klicken und Systemsteuerung anzeigen auswählen.
Eine weitere nützliche Option unter dem roten nach unten zeigenden Dreieck ist "Fehlende Kategorien einschließen", wenn die Variable fehlende Daten enthält. Es zeigt die fehlenden Daten in der Grafik neben den Kategorien "Weiblich" und "Männlich" und enthält sie in allen angezeigten Prozentsätzen. Ebenfalls nützlich ist die Schaltfläche Rückruf. Nehmen wir an, wir haben lange Zeit damit verbracht, das perfekte Diagramm zu erstellen, nur um festzustellen, dass ein Datenpunkt falsch beschriftet wurde. Mit JMP ist das kein Problem. Beenden Sie Graph Builder, kehren Sie zum Datensatz zurück und ändern Sie die Daten nach Bedarf. Gehen Sie zurück zu Graph> Graph Builder und eine magische Rückrufschaltfläche wird angezeigt. Klicken Sie darauf und es wird das gerade geschlossene Diagramm neu erstellt - mit den Korrekturen, die wir an unseren Daten vorgenommen haben.
Wenn Sie zu den Histogrammen übergehen, finden Sie ein Histogrammsymbol in der Multifunktionsleiste des Graph Builder. Beginnend mit Age können wir eine einfache und unkomplizierte Ausgabe erhalten, indem wir sie aus der Variablenliste in das x-Feld ziehen. Wir hätten es auch in das y-Feld ziehen können, um stattdessen ein vertikales Histogramm zu erhalten. Wie beim Balkendiagramm können im linken Bereich nützliche Histogrammoptionen ausgewählt werden, einschließlich des Histogrammstils, des Mittelwerts und der Standardabweichung oder der oben in den Histogrammfeldern angezeigten Anzahl.
Lassen Sie uns das Streudiagramm neu erstellen, das wir in SPSS erstellt haben und das die männlichen und weiblichen Passagiere zeigte, die einen teuren Tarif und ein ähnliches Alter hatten. Da JMP dynamisch und interaktiv ist, können wir mit dem bereits erstellten Altershistogramm beginnen. Um dies in ein Streudiagramm umzuwandeln, müssen Sie lediglich die Variable Fare auf die y-Achse ziehen und auf die Schaltfläche Streudiagramm im Menüband über dem Diagramm klicken. Ziehen Sie als Nächstes die Variable Geschlecht in das Feld Farbe, das sich rechts neben dem Diagramm zwischen Überlagerung und Größe befindet. Und voilà! Mit nur wenigen Klicks haben wir unser Histogramm in ein Streudiagramm mit nach Geschlecht gefärbten Punkten umgewandelt.
Wieder sehen wir zwei einzigartige Individuen, deren Tarif viel höher ist als die der anderen Individuen. Wir listen sie als mögliche Ausreißer auf, aber hier beginnen die Unterschiede zwischen SPSS und JMP wirklich. Mit JMP können wir dynamisch zwischen Daten und Berichten interagieren. Wenn alle Punkte ausgewählt (nicht ausgegraut) sind, können Sie mit der Maus über die Punkte fahren und schnell Informationen zu den im Diagramm verwendeten Variablenwerten sowie zu den spezifischen Zeilen in der Datentabelle erhalten, denen diese Punkte entsprechen. Wir können auch einzelne Punkte auswählen, um eine bestimmte interessierende Datenuntermenge hervorzuheben.
Zurück zur Datentabelle werden die ausgewählten Zeilen als Hervorhebungen in der Datentabelle angezeigt. Dies gibt uns die Möglichkeit, die Zeilen schnell zu überprüfen, um genau festzustellen, welche Beobachtungen die Kontroverse verursachen. Wenn die Daten auf Konsistenz überprüft werden müssen, können Sie durch die dynamische Verknüpfung der Daten und der Ausgabe problemlos einzelne Beobachtungen überprüfen. Es gibt viele Möglichkeiten, die Datenauswahl zu löschen. Eine der einfachsten Möglichkeiten ist jedoch, im Bereich "Zeilen" der Datentabelle auf "Ausgewählt" zu doppelklicken (ebenfalls durch Doppelklicken auf "Alle Zeilen" werden alle Daten ausgewählt).
In Graph Builder sehen wir genau, wie die dynamische Verknüpfung die Arbeit mit JMP von der Arbeit mit SPSS trennt. Wir können auf einzelne Punkte in diesen Diagrammen klicken und sie für die dynamische Analyse auswählen. Dies für unsere Beobachtungen mit hohem Fahrpreis zu tun, zeigt, dass wir nur zwei Beobachtungen für drei hielten! Fräulein Anna Ward, Herr Thomas Drake Martinez Cardeza und Herr Gustave J Lesurer hatten alle einen Fahrpreis von 512 £. Miss Ward und Mr. Lesurer waren beide 35 Jahre alt, während Mr. Cardeza 36 Jahre alt war. Interessanterweise haben alle drei Passagiere überlebt.
In SPSS haben wir die möglichen Ausreißer in der Grafik beobachtet, aber JMP geht noch einen Schritt weiter und ermöglicht es uns, diese einzelnen Punkte hervorzuheben und in den Daten und / oder anderen Berichten anzuzeigen. Darüber hinaus können wir bestimmte Datenpunkte von der Analyse ausschließen, ohne sie löschen zu müssen. Ausgeschlossene Daten bleiben in der Datentabelle, werden jedoch bei der Analyse nicht berücksichtigt, sodass die Analyse mit und ohne potenzielle Ausreißer einfach ist. Es gibt auch die Option Ausblenden, wenn wir einzelne Punkte aus Visualisierungen entfernen möchten, aber keine Analyse. Dieser Ausschluss oder das Ausblenden kann erfolgen, indem Sie zur Datentabelle zurückkehren, mit der rechten Maustaste auf die Zeile klicken, die ausgeschlossen oder ausgeblendet werden soll, und auf die entsprechende Schaltfläche (Ausschließen oder Ausblenden) klicken.
Ein weiteres charakteristisches Visualisierungsmerkmal von JMP 16 ist das Header-Diagramm. In der Datentabelle befindet sich in der linken Spalte eine kleine Histogrammschaltfläche (siehe Abbildung unten mit blauem Kreis). Wenn Sie auf dieses Symbol klicken, werden Diagramme in den Spaltenüberschriften für jede Variable angezeigt. Dies ist äußerst nützlich und dynamisch. Durch Klicken auf die verschiedenen Teile des Header-Diagramms werden Beobachtungen in der Tabelle hervorgehoben, die unserer Auswahl entsprechen. Unten habe ich diejenigen ausgewählt, die überlebt haben (1), wodurch ich einen schnellen Überblick über die Variablenverteilung auf die anderen Variablen in meinem Datensatz bekomme! Ordentlich!
Beschreibungen
Beschreibende Statistik
Beschreibende Statistiken sind das Herzstück jeder guten statistischen Analyse und bieten bei ordnungsgemäßer Durchführung echte Einblicke, die über das hinausgehen, was in Visualisierungen zu sehen ist. Dieser Abschnitt konzentriert sich auf univariate Beschreibungen und das Erstellen benutzerdefinierter Tabellen. Angenommen, wir möchten die Variablen Alter und Tarif weiter untersuchen, werden wir die potenziellen Ausreißer belassen und diese Daten berücksichtigen, da noch unklar ist, ob die potenziellen Ausreißer aus der Analyse entfernt werden sollten.
SPSS
Viele SPSS-Benutzer wissen, dass das Dialogfeld Frequenzen eine One-Stop-Option für die gleichzeitige Analyse vieler verschiedener Variablen sein kann. Während es ein Dialogfeld "Beschreibende Elemente" gibt, ist das Dialogfeld "Frequenzen" hilfreich, da wir beschreibende Statistiken und Grafiken an einer Stelle anfordern können. Wir können dieser Option auch verschiedene Datentypen hinzufügen, und SPSS erstellt die entsprechenden Grafiken und Statistiken für jeden Variablentyp.
Die hier ausgewählten Optionen geben den univariaten Standardbericht an, in dem wir die typischen Maße für Zentrum und Streuung sehen, die in grundlegenden Statistikkursen erörtert werden. Frequenztabellen, Histogramme, Balkendiagramme und viele andere nützliche beschreibende Ausgaben sind ebenfalls unter der Option Diagramme verfügbar.
SPSS-Analyse: Beschreibende Statistik: Frequenzmenü
Dialogfeld "SPSS-Frequenzen"
Optionen für die SPSS-Frequenzstatistik
Ausgabe der SPSS-Frequenzstatistik
JMP
Wie das Dialogfeld Frequenzen in SPSS verfügt JMP über die Verteilungsplattform, um eine einfache beschreibende Ausgabe zu erhalten. Die Verteilungsplattform befindet sich im Menü Analysieren. Wir beginnen mit der Auswahl von Überleben, Geschlecht, Alter und Tarif.
Nach dem Klicken auf OK wird ein Verteilungsbericht angezeigt. Standardmäßig werden Quantile, Mittelwert, Standardabweichung und andere zusammenfassende Statistiken für kontinuierliche Variablen sowie ein 95-Prozent-Konfidenzintervall für den Mittelwert erstellt. Außerdem sind die variablen Ausgänge standardmäßig nicht gestapelt und werden horizontal angeordnet. Durch Klicken auf das rote Dreieck und Auswahl von Stapel wird die Ausgabe in eine vertikale Ansicht umgeschaltet. Häufigkeitstabellen werden für kategoriale Variablen erstellt, und die männliche Untergruppe (Geschlecht = 1) wurde ausgewählt, um die Interaktivität zwischen verschiedenen Teilen desselben Berichts hervorzuheben.
Durch Klicken auf das rote Dreieck können wir die Berichtsanzeige anpassen, aussagekräftigere Kennzahlen erhalten oder verschiedene Verteilungen an die Daten anpassen. Add-Ons umfassen Box-Plots, normale Quantil-Plots, CDF-Plots und Verteilungsanpassungen. Wenn wir in der Lage sind, interaktiv mit der Ausgabe zu arbeiten, können wir viele verschiedene theoretische Verteilungen an die Daten anpassen (z. B. Normal-, Exponential-, Poisson-, Binomial-, Normalmischungen usw.) und ihre relative Anpassung an die Daten bewerten.
Eine weitere nette Funktion in JMP ist die Möglichkeit, Verteilungsberichte als interaktive HTML-Dateien zu speichern, die ohne Verwendung von JMP-Software interaktiv angezeigt und bearbeitet werden können. Dies kann über Datei> Speichern unter…> Dateityp:> Interaktives HTML mit Daten erfolgen. Diese Dateien sind gute Demos für Schüler oder können in Berichte eingearbeitet werden, sodass die Ergebnisse leicht zwischen denen mit und ohne JMP diskutiert werden können.
Beschreibungen: Benutzerdefinierte Tabellen
SPSS
In vielen Fällen ist eine bestimmte Ausgabe erforderlich, wie in unserem Beispiel, in dem die Bilder Unterschiede in Alter und Tarif nach Geschlecht zeigten. SPSS bietet auch Optionen zum Erstellen benutzerdefinierter Tabellen für bestimmte Ausgaben. Wir können auf die Variablen klicken und sie an die richtigen Stellen ziehen und angeben, welche beschreibende Ausgabe wir sehen möchten. Um die Tabelle mit den ausgefüllten Zahlen anzuzeigen, müssen Sie zuerst auf OK klicken und dann zum Ergebnisbereich navigieren, um die Tabelle anzuzeigen. Ein Beispiel für diese Ausgabe ist unten dargestellt
JMP
JMP erstellt benutzerdefinierte Tabellen über die Tabulate-Plattform im Menü "Tabellen". Die Tabulate-Plattform kann interaktiv eine Tabelle erstellen, ähnlich wie Graph Builder. Wiederum erfordert SPSS, dass wir die gewünschten Variablen in die Tabelle ziehen und dann auf OK klicken, bevor wir die Ergebnisse anzeigen. JMP gibt uns diese Ergebnisse sofort nach dem Ziehen und Ablegen der Variablen. Wir können Berechnungen und Ausgaben sehen, wenn wir mit der Anpassung unserer Tabelle beginnen. Darüber hinaus kann die interaktive Tabelle zugunsten eines herkömmlichen Dialogfelds deaktiviert werden, wenn eine ganz bestimmte Ausgabe erfolgen soll.
Beschreibungen: Korrelation
SPSS
Mithilfe des Dialogfelds "Bivariate" in "Korrelieren" im Menü "Analysieren" können Sie Beispielkorrelationsschätzungen zwischen Alter und Tarif abrufen. Beachten Sie, dass zwischen den beiden Variablen eine signifikante positive Korrelation besteht.
JMP
JMP gruppiert Analysesätze in einer Plattform, die es uns ermöglicht, viele verschiedene Dinge zu tun (alle etwas verwandt). Die einfachste Möglichkeit, Pearson-Korrelationskoeffizienten zu ermitteln, besteht beispielsweise darin, die multivariate Plattform im Menü "Multivariate Methoden" des Analyses zu verwenden.
Die multivariate Plattform ist viel mehr als ein einfaches Mittel zum Auffinden von Korrelationen. Der hier gezeigte Basisbericht liefert jedoch sowohl eine Pearson-Korrelationsschätzung als auch eine Streudiagrammmatrix. Durch Klicken auf das rote Dreieck können die Histogramme entlang der Diagonale hinzugefügt werden, sodass Verteilungen schnell visualisiert werden können. Die multivariate Plattform ermöglicht es uns auch, Korrelationen zu testen, alternative Korrelationsmaße (z. B. Spearman und Kendall), Konfidenzintervalle, Teilkorrelationen und visuelle Elemente wie Farbkarten zu finden. Darüber hinaus stehen auf der multivariaten Plattform korrelationsbasierte Messungen wie Hauptkomponentenanalyse, Ausreißeranalyse und Artikelzuverlässigkeit zur Verfügung.
Inferenz: Zwei-Stichproben-T-Test
SPSS
Angenommen, wir möchten testen, ob sich das Alter zwischen den Überlebenden und denen, die es nicht getan haben, signifikant unterscheidet. Der Standard-T-Test für unabhängige Stichproben ist eine beliebte Option in SPSS, die im Menü "Mittel vergleichen" zu finden ist. Hier können wir eine oder mehrere kontinuierliche Messungen angeben und feststellen, ob sich der Mittelwert dieser Messung zwischen zwei Gruppen signifikant unterscheidet. In SPSS werden sowohl der Test mit gleicher Varianz als auch der Test mit ungleicher Varianz berechnet, und wir können uns auf einen Varianztest verlassen, um festzustellen, welcher Test am besten geeignet ist.
JMP
Während es im JMP-Starter-Menü eine Schaltfläche für T-Tests gibt, sollten Benutzer beachten, dass die T-Test- und Einweg-ANOVA-Analysen alle auf derselben Plattform ausgeführt werden. Tatsächlich kombiniert JMP alle Schlussfolgerungen mit zwei Variablen zu einer Fit Y by X-Plattform. Mit der Fit Y by X-Plattform können wir Rückschlüsse auf bivariate Vergleiche für jede Art von Daten ziehen.
Das Raster in der unteren linken Ecke des Startfensters listet verschiedene Analysetypen auf. Wir können auswählen, welche x- und y-Variablen wir untersuchen möchten, und JMP wählt die geeignete Methode basierend auf der Art der verwendeten Daten aus.
Im Moment wollen wir die Unterschiede zwischen dem Alter basierend auf dem Überlebensstatus untersuchen. Im Bericht finden Sie einfache Beschreibungen sowie einen t-Test, bei dem ungleiche Abweichungen angenommen werden (ermittelt durch Auswahl von Means und Std Dev und t Test aus dem roten Dreiecksymbol). Wir können Grafiken (wie Box-Plots) und zusätzliche Tests hinzufügen, die die Varianzen untersuchen, oder nichtparametrische Tests, die für verzerrte Daten besser geeignet sind.
Auch hier sehen wir einen wichtigen Unterschied in JMP, da es viele ähnliche Tests in einer gemeinsamen Plattform kombiniert. Wir können mit einem T-Test beginnen und uns Grafiken und zusammenfassende Statistiken ansehen, um festzustellen, ob die Annahmen eines T-Tests erfüllt sind. Ist dies nicht der Fall, fügen wir möglicherweise einen alternativen Test hinzu, der für die betrachteten Daten besser geeignet ist.
Inferenz: Kreuztabellen / Kontingenztabellen und Chi-Quadrat-Test
SPSS
Das Erstellen einer Kontingenztabelle und das Durchführen eines Chi-Quadrat-Tests kategorialer Daten ist ein wichtiger Bestandteil vieler Analysen. Die Untersuchung von Tabellendaten ist ein Bereich, auf den sich SPSS immer konzentriert hat, und wir finden viele Optionen für die Analyse unter der Liste Kreuztabellen im Menü Beschreibende Statistik. In den Kreuztabellenmenüs können wir verschiedene Analysesätze anfordern, je nachdem, welche Art von Vergleichen wir durchführen möchten.
Aus diesem Beispiel geht hervor, dass die Überlebensrate von Frauen (Geschlecht = 0) an Bord der Titanic mehr als dreimal so hoch ist wie die von Männern (Geschlecht = 1): 74,2 Prozent gegenüber 19 Prozent. Aus der Tabelle der Chi-Quadrat-Tests können wir auch ersehen, dass es genügend statistische Belege gibt, um den Schluss zu ziehen, dass ein signifikanter Zusammenhang zwischen Überlebensstatus und Geschlecht besteht (Chi-Quadrat-p-Wert = 0,000). Es ist zu beachten, dass SPSS (standardmäßig) keine p-Werte unter 0,001 anzeigt, sondern nur 0,000. Dies kann einige Benutzer verwirren, wenn sie glauben, dass der p-Wert tatsächlich 0 ist. In Wirklichkeit ist der p-Wert nur sehr klein (weniger als 0,001). JMP zeigt p-Werte standardmäßig mit mehr Dezimalstellen an (vier anstelle von drei SPSS) und bietet eine klarere Darstellung von p-Werten unter 0,0001 mit der Notation <0,0001. Wenn die erwarteten Anzahlen gering sind, zeigt SPSS eine Warnmeldung an und liefert einen genauen Fisher-Test des Unterschieds zwischen Proben mit kleinen Zellzahlen. Wenn Sie an Schätzungen des relativen Risikos und der Odds Ratio interessiert sind, können Sie die Option Risiko im Statistikfeld aktivieren, um diese Schätzungen zu erhalten.
JMP
Wir können auf die Optionen für die Kontingenzanalyse in JMP über die Plattform Fit Y by X zugreifen. Die einfache Angabe kategorialer Variablen für x und y führt uns zur Kontingenzanalyse. Wir können dieselbe Tabelle wie in SPSS angeben, um die Beziehung zwischen Geschlecht und Überlebensstatus zu untersuchen. Der JMP-Bericht enthält Tabelleninformationen, einen Chi-Quadrat-Test und den genauen Fisher-Test (nur 2x2-Tabelle, wie SPSS).
Wir können dann zusätzliche Zusammenfassungen und Tests wie das relative Risiko, Quotenverhältnisse und Assoziationsmaße (für Elemente wie Kendalls Tau) hinzufügen. Die Notfallanalyse wird als Standardbericht betrachtet, aber wir können auch die Liste der Optionen anzeigen, die über das rote Dreiecksymbol verfügbar sind. Ein interessanter Aspekt von JMP ist, dass die Software versucht, Benutzern in Bereichen zu helfen, in denen sie möglicherweise nicht vertraut sind. Wenn Sie die Option "Odds Ratio" auswählen und einfach mit der Maus über diesen Bereich fahren, wird ein Erklärungsfeld angezeigt, das angibt, welche Art von Analyse diese Option erzeugt. Für Benutzer, die Probleme beim Interpretieren von Statistiken, p-Werten oder anderen Ausgaben haben, ist diese Option verfügbar, indem sie einfach mit der Maus über einen Bereich kreisen oder den Mauszeiger darüber halten.
Inferenz: Lineare Regression
SPSS
Die lineare Regression kann mit der Option Lineare Regression im Menü Regression durchgeführt werden. Angenommen, wir möchten das Alter als Prädiktor für den Fahrpreis verwenden. Die Option Lineare Regression in SPSS ist ein leistungsstarkes Tool mit vielen verschiedenen Optionen für modellbasierte Schätzungen, Anpassungsmaße, Diagnosen, Prognosewertausgaben und visuelle Diagramme zur Bewertung der Anpassung. Wir können viele potenzielle Prädiktoren einbeziehen und sowohl die einfache lineare Regression als auch die multiple lineare Regression in denselben Menüs betrachten.
Ohne zusätzliche Optionen erhalten wir eine Standardausgabe mit R-Quadrat, ANOVA-Tabelle und einer Tabelle für Regressionsschätzungen. Wir sehen eine signifikante Beziehung zwischen Alter und Tarif, und dass mit zunehmendem Alter auch der Tarif dieser Personen tendenziell steigt (p-Wert = 0,001). Es ist wichtig zu beachten, dass mit der linearen Option keine Zeichenfolgenvariablen als potenzielle Prädiktoren verwendet werden können. Tatsächlich gibt es in SPSS viele verschiedene Regressionsoptionen, je nachdem, welcher Modelltyp angepasst werden muss. Die lineare Option ist nur auf numerische Kovariaten beschränkt. Informationen zur multiplen Regression mit kontinuierlichen und kategorialen Kovariaten finden Sie auf der Plattform für das allgemeine lineare Modell.
JMP
Wir haben zwei Optionen für Regressionsmodelle in JMP: die Plattform Fit Y by X oder die Plattform Fit Model, beide im Menü Analysieren. Einfache bivariate Anpassungen verlaufen entlang der Fit Y by X-Plattform. Beginnen wir also dort.
Die Fit Y by X-Plattform kann erneut verwendet werden, um die Beziehung zwischen zwei verschiedenen Variablen zu untersuchen. Hier haben wir Alter als X und Tarif als Y aufgelistet. Es ist wichtig zu beachten, dass die Plattform Fit Y by X NUR bivariate Beziehungen berücksichtigt. Es ist möglich, mehr als einen Kandidaten für die x- und y-Rolle auszuwählen. In solchen Fällen besteht die Ausgabe aus mehreren bivariaten Anpassungen, wobei jede Ausgabe die geeigneten Kennzahlen für jeden Satz von Variablen anzeigt.
Der Bericht über die bivariate Anpassung beginnt mit einem einfachen Streudiagramm, und wir müssen genau beurteilen, welche Art der bivariaten Anpassung wir vornehmen möchten. Hier sehen wir eine lineare Anpassung, die eine einfache lineare Regressionslinie zu den Daten modelliert. Ein Standardbericht enthält dieselben grundlegenden Informationen wie in SPSS: R-Quadrat-, ANOVA- und Parameterschätzungen mit Hypothesentests für die Achsenabschnitt- und Steigungsparameter. In JMP können wir jedoch mit dieser Ausgabe interagieren, um mehrere Anpassungen gleichzeitig zu betrachten. Zum Beispiel können wir einen einfachen Mittelwert, eine gerade Linie und quadratische Anpassungen an die Daten auswählen und die Anpassungen entweder anhand des R-Quadrats oder anhand der Parameterschätzungen vergleichen. Andere Anpassungen umfassen Dichtellipsen und Glättungssplines, anhand derer Vergleiche zwischen Anpassungen durchgeführt und geschätzte Werte zur weiteren Untersuchung an die Originaldaten ausgegeben werden können. Unter jeder Anpassung können wir diagnostische Messungen und Diagramme angeben, um zu beurteilen, ob die Annahmen für die Verwendung jedes einzelnen Modells erfüllt sind.
JMP stellt viele verschiedene Arten von Regressionsmodellen unter die Fit Model-Plattform. In dem hier gezeigten Beispiel passen wir ein multiples lineares Regressionsmodell an, das den Fahrpreis über eine Kombination aus Geschlecht, Ordnungsvariable Pclass und kategorialer Variable Geschlecht vorhersagt (keine Notwendigkeit, kategoriale und kontinuierliche Kovariaten zu trennen). Wenn Sie auf "Ausführen" klicken, wird die Ausgabe "Kleinste Quadrate anpassen" angezeigt, die ein tatsächliches gegenüber dem vorhergesagten Diagramm, Hebel-Diagramme, Residuen nach vorhergesagtem Diagramm und mehr enthält. Weitere Optionen, z. B. Profildiagramme, stehen unter dem roten Dreieck zur Verfügung.
Inferenz: Logistische Regression
SPSS
Die logistische Regression kann mit der Option Binäre Logistik im Menü Regression durchgeführt werden. Angenommen, wir möchten das Alter als Prädiktor für das Überleben der binären Variablen verwenden. Die Option "Binäre Logistik" in SPSS bietet viele verschiedene Optionen für modellbasierte Schätzungen, Anpassungsmaße, Diagnose, Umrechnung in Quotenverhältnisse und mehr. Wir können viele potenzielle Prädiktoren einbeziehen und sowohl die einfache logistische Regression als auch die mehrfache logistische Regression in denselben Menüs betrachten.
JMP
Wie bei der linearen Regression haben wir in JMP zwei Optionen für logistische Regressionsmodelle: die Plattform Fit Y by X oder die Plattform Fit Model, beide im Menü Analysieren. Bivariate Anpassungen finden entlang der Fit Y by X-Plattform statt, und mehrere logistische Anpassungen finden auf der Fit Model-Plattform statt. Sobald Sie auf OK klicken, haben wir viele nützliche Informationen zu unserem Modell zur Hand. Weitere Optionen, wie z. B. Quotenverhältnisse, stehen unter dem roten Dreieck zur Verfügung.
Datenmanipulation
Sowohl SPSS als auch JMP eignen sich hervorragend zum Bearbeiten von Daten, da sie jeweils verschiedene Möglichkeiten zum Organisieren und Bearbeiten der Daten bieten. Wir können Daten sortieren, Variablen sortieren, Dateien zusammenführen, neu codieren und viele andere Manipulationen ausführen. Nachfolgend finden Sie einen Vergleich nebeneinander, der einige der Datenmanipulationsfunktionen in SPSS und JMP veranschaulicht. Neue JMP-Benutzer sollten wissen, dass es gelegentlich Fälle gibt, in denen die Ausgabe geschlossen werden muss, bevor die Daten bearbeitet werden, da die Datendatei und die Ausgabe dynamisch verknüpft sind. Beim Sortieren oder Bearbeiten von Daten erstellt JMP manchmal standardmäßig eine neue Datentabelle mit den erforderlichen Manipulationen. Neue Benutzer sollten angeben, dass die manipulierte Datei die aktuelle Datendatei ersetzen soll. Daten können in JMP über eine Vielzahl von Menüoptionen bearbeitet werden. Der Menüpunkt "Tabellen" bietet viele allgemeine Datentabellentransformationen und die Menüpunkte "Spalten"> "Dienstprogramme" bieten viele Tools zum Abschließen der allgemeinen Manipulation von Datenspalten. In der JMP-Starter-Ansicht werden auch viele dieser Optionen an einem einheitlichen Speicherort angezeigt.
SPSS
JMP
Datenmanipulation: Erstellen neuer Variablen
SPSS
Angenommen, wir möchten eine neue Variable erstellen, die das Alter als Monate (anstelle von Jahren) ist. Mit der Option Variable berechnen können wir eine neue Variable definieren (Age_Std nennen) und dieser Variablen eine Formelberechnung hinzufügen (Alter * 12). SPSS verfügt über verschiedene Funktionen zum Aggregieren und Transformieren von Daten, die alle nach Funktionstypen gruppiert sind. Nach dem Ausfüllen des numerischen Ausdrucks erstellt SPSS eine neue Variable mit dem angegebenen Namen und füllt sie mit der Berechnung aus dem numerischen Ausdruck.
JMP
JMP erstellt neue Variablen direkt in der Datentabelle. Angenommen, wir möchten dieselbe neue Variable (Age_Std) in JMP erstellen. Wir beginnen mit einem Doppelklick auf die nicht verwendete Spalte am Ende der Datentabelle, um eine neue Spalte zu erstellen. Dann doppelklicken wir auf den Spaltennamen, um das Fenster Spalteninformationen aufzurufen, in dem wir der Spalte einen Namen geben. Klicken Sie dann auf Spalteneigenschaften und wählen Sie Formel, um das Fenster Formel bearbeiten aufzurufen. Jetzt können wir die Formel bearbeiten, um den numerischen Ausdruck zu erstellen, den wir in SPSS verwendet haben. Beachten Sie, dass JMP auch über eine Vielzahl von Funktionen verfügt, mit denen Sie unsere vorhandenen Daten bearbeiten und transformieren können. Sie können auch eine neue Spalte über den Menüpunkt Spalten> Neue Spalten erstellen. Auf vielen JMP-Plattformen wie Graph Builder, Tabulate, Fit Y by X und Fit Model können allgemeine Datentransformationen auch im laufenden Betrieb durchgeführt werden. Diese On-the-Fly-Option ist so einfach wie das Klicken mit der rechten Maustaste auf die Variable, die wir transformieren möchten, im Feld Spalten und das Wechseln zu Transformieren.
Datenmanipulation: Dateiaufteilung
SPSS
Angenommen, wir möchten die unterschiedlichen Ergebnisse für Männer und Frauen an Bord der Titanic untersuchen. Mit der Option "Datei teilen" können wir SPSS mitteilen, dass die weitere Ausgabe immer durch eine bestimmte Variable geschichtet werden soll. Wir haben die Möglichkeit, neue Dateien nur für Männer und nur für Frauen zu erstellen. Die Aufteilungsoption ist jedoch eine einzigartige Möglichkeit, SPSS anzuzeigen, dass die nachfolgende Ausgabe zwischen Frauen und Männern getrennt werden sollte.
Wenn Sie zu einer nicht geschichteten Analyse zurückkehren möchten, gehen Sie einfach zur Option "Datei teilen" und wählen Sie "Alle Fälle analysieren, keine Gruppen erstellen", um die Schichtung zu deaktivieren.
JMP
Das Aufteilen einer Datei ist in JMP möglicherweise nicht erforderlich, da alle Analyseplattformen über die Option By verfügen, um die Ausgabe nach einer bestimmten Variablen zu schichten. Wenn wir also geschichtete deskriptive Statistiken wünschen, verwenden wir die By-Anweisung in der Distributionsplattform (siehe unten).
Ausgabe speichern und reproduzieren
Das Bearbeiten von Daten und das Erzeugen großartiger Ausgaben und Grafiken ist nur möglich, wenn ein Mechanismus zum Speichern und Reproduzieren vorhanden ist. Es scheint nicht offensichtlich zu sein, aber JMP wird auch von einer Skriptsprache angetrieben, die hauptsächlich hinter den Kulissen für gelegentliche oder neue Benutzer funktioniert. Viele fortgeschrittene Benutzer stellen fest, dass das Codieren schnellere Ergebnisse für sich wiederholende Aufgaben liefert. Lassen Sie uns diskutieren, wie die Ausgabe in SPSS und JMP gespeichert und reproduziert wird.
SPSS
Wenn wir eine SPSS-Datendatei im SPSS-Format (.sav-Datei) speichern, werden in der Datendatei alle Manipulationen, Transformationen und Beschriftungen beibehalten. Um die Ausgabe beizubehalten, speichern wir sie als separate Datei (SPV-Format). Da die Point-and-Click-Schnittstelle für SPSS tatsächlich ein Mechanismus zur Codegenerierung ist, steht Code vor allen Ausgaben in der Ausgabedatei. Wenn wir uns beispielsweise die deskriptiven Statistiken für Alter und Tarif ansehen möchten, könnte der folgende Code in der Ausgabe der Point-and-Click-Oberfläche generiert werden:
JMP
JMP verfolgt einen anderen Ansatz zum Speichern und Reproduzieren von Ausgaben. Wenn wir Daten als JMP-Datendatei (.jmp-Datei) speichern, behalten die Daten Manipulationen, Transformationen, Beschriftungen UND Skripte bei, die aus der Analyse gespeichert wurden. Schauen wir uns ein Beispiel an. Angenommen, wir möchten die Verteilungsanalyse der Alters- und Tarifinformationen für die spätere Verwendung speichern. In allen JMP-Berichten finden wir eine Option zum Speichern des Codes (als JMP-Skript bezeichnet) in der Datentabelle. Es gibt andere Optionen zum Speichern des JMP-Skripts, aber das Speichern in der JMP-Datentabelle ist eine Option. Wenn wir die Daten im JMP-Format speichern, werden auch alle in der Datentabelle gespeicherten Skripte gespeichert. Wir können den Namen des gespeicherten Skripts bearbeiten und die Ausgabe mit dem roten Dreieck reproduzieren, das sich neben dem Namen des gespeicherten Skripts in der Datentabelle befindet. Darüber hinaus verfügen wir über eine Datei, die sowohl Dateninformationen als auch Analysen zu einem bestimmten Projekt enthält. JMP-Datendateien können von vielen JMP-Benutzern gemeinsam genutzt werden, und eine Datei kann eine einzige Plattform für alle Projektanalysen sein. Wenn Sie eine schriftliche Anleitung wünschen, die dem oben für SPSS aufgeführten Code ähnelt, wählen Sie einfach "Skript speichern"> "Im Journal". Der erforderliche .jsl-Code (JMP-Skriptsprache) wird in einem Fenster mit bearbeitbarem Text angezeigt. Wie SPSS ist auch die Skriptsprache von JMP recht komplex und kann bei der Ausführung sich wiederholender Aufgaben hilfreich sein.
Andere Eigenschaften
Benutzer, die von SPSS zu JMP wechseln, sind möglicherweise an einigen der einzigartigen Funktionen von JMP interessiert.
Maschinelles Lernen und Text Mining
Während sowohl JMP 16 als auch SPSS 27 standardmäßig mit Entscheidungsbäumen und neuronalen Netzen ausgestattet sind, verfügt JMP 16 über eine Reihe fortschrittlicher Vorhersagemodellierungsmethoden, die SPSS 27 nicht bietet, einschließlich Bootstrap Forest, Boosted Tree, Naive Bayes und Support Vector Machines. Darüber hinaus verfügt JMP 16 über viele integrierte Tools, die zum Erstellen eines Vorhersagemodells nützlich sind. Ein solches Tool ist die Spalte Validierung erstellen, mit der der Benutzer eine Spalte erstellen kann, die auf Schichtungs-, Gruppierungs- und Schnittpunktspalten basiert.
Text Mining ist ein weiterer Data Mining-Ansatz, der Spaß macht und sich mit JMP beschäftigt. SPSS verfügt über keine integrierten Text Mining-Funktionen. Denken Sie beispielsweise daran, dass die Spalte Name unstrukturierter Text ist. Mit JMP 16 können wir diese Textdaten auf Muster von Wörtern oder Phrasen untersuchen. Im Menü "Analysieren" können Sie im Text-Explorer-Modul viele unstrukturierte Textspalten auswählen und JMP mitteilen, wie die Wörter oder Phrasen im ausgewählten Text herausgearbeitet werden sollen. Sobald wir auf OK klicken, zeigt der Text-Explorer allgemeine Begriffe und Ausdrücke in den ausgewählten Spalten an. Wie wir aus der obigen Abbildung sehen können, kommt das Wort "mr" 513 Mal vor; "Miss" erscheint 182 Mal, während "Frau" 125 Mal erscheint. Diese Erkenntnis wird derzeit von unseren Titanic-Daten nicht als Variable berücksichtigt. Mit JMP können wir einfach Indikatorspalten (0 oder 1) für Zeilen erstellen, deren Name die Wörter "miss" oder "mrs" enthält. Wenn Sie mit der rechten Maustaste auf die Wörter klicken und Indikatoren speichern auswählen, werden diese neuen Indikatorvariablen in unserem Datensatz erstellt. Das ist so cool!
Beispieldatensätze
Eine Schwierigkeit beim Lernen und Lehren von Statistiken besteht darin, gut formatierte Beispieldatensätze zu finden. JMP weiß das und hat Hunderte von Datensätzen aufgenommen. Die integrierten Datensätze von JMP sind nach Analysetyp, Feld und Lehrmitteln kategorisiert und über den Menüpunkt Hilfe> Beispieldaten leicht zugänglich. Das Öffnen dieser Datensätze ist so einfach wie das Auswählen des Datentyps oder der statistischen Methode, die wir untersuchen oder kennenlernen möchten, und das Klicken auf den blau hervorgehobenen Link. Möchten Sie lernen, wie Sie eine Karte in JMP erstellen? Suchen Sie unter dem Datentyp Geographic Maps die Daten der US-Wahl 2008. Sobald der Datensatz geöffnet ist, finden wir oben links eine Reihe von JMP-Skripten, die zur Ausführung bereit sind. Durch Klicken auf den grünen Wiedergabepfeil neben der nach Anzahl der Wähler geordneten Graph Builder-Karte wird Graph Builder mit einer Karte der Vereinigten Staaten gestartet, die blau oder rot farbcodiert ist, je nachdem, ob Obama oder McCain diesen Staat gewonnen haben. Ordentlich! Möchten Sie mehr über die Überlebensanalyse erfahren? Suchen Sie die Kategorie Zuverlässigkeit / Überleben und wählen Sie Appliance-Datensatz. Durch Ausführen des Lebensverteilungsskripts oben links im Datensatz werden Verteilungen von Zeit-zu-Ereignis-Daten angepasst und verglichen. Mit JMP ist es so einfach zu lernen und zu erkunden!
Fazit
Sowohl SPSS als auch JMP sind hervorragende Softwaretools zum Bearbeiten, Visualisieren und Analysieren von Daten. In diesem Handbuch haben wir hervorgehoben, wie viele gängige datenorientierte Aufgaben in SPSS und JMP ausgeführt werden. Wir haben darauf geachtet, auf viele der Unterschiede zwischen den beiden Softwarepaketen hinzuweisen und darauf, wie JMP die Erkenntnisse, die Sie aus Ihren Daten erhalten, verbessern kann. Es ist leicht zu erkennen, dass JMP und SPSS Datenanalyse-Workflows unterschiedlich angehen. Der Point-and-Click-Mechanismus in SPSS generiert SPSS-Code, sodass Benutzer entscheiden, welche Analyse und Optionen sie ausführen möchten, und dann den generierten Code senden, um die Ausgabe zu erhalten. Der Code und die Ergebnisse werden in der Ausgabedatei aufgelistet, die gespeichert, kopiert oder bearbeitet werden kann. Im Gegensatz dazu verknüpft JMP die Daten und Berichte dynamisch, um eine Interaktion zwischen den Daten und dem Benutzer herzustellen. Der Benutzer beginnt mit einem allgemeinen Analysebereich und kann dann die Ausgabe anpassen, um verschiedene Funktionen oder Analysen hinzuzufügen. Die dynamische Verbindung zwischen Daten und Ausgabe macht das Erkunden ungewöhnlicher Beobachtungen sehr einfach und intuitiv. Durch die Interaktivität von Funktionen wie Graph Builder können Benutzer Grafiken in Echtzeit erstellen und aktualisieren.
Danksagung
Ich möchte Ruth Hummel, Larry LaRusso, Anne Miley und Amy Stuart von JMP für ihre Unterstützung, Änderungen und Rückmeldungen bei der Erstellung dieses Handbuchs danken. Ich möchte auch Jason Brinkley, dem Autor der ersten Version dieses Handbuchs, dafür danken, dass er einen klaren und präzisen Ausgangspunkt für die Erstellung der zweiten Version bietet.
