각 분석 소프트웨어 패키지는 분석을 다르게 처리, 처리 및 출력하기 때문에 한 소프트웨어 프로그램에서 다른 소프트웨어 프로그램으로 전환하는 것은 어려울 수 있습니다. 사용자가 프로그램에 익숙해지면 다른 프로그램이나 동일한 프로그램의 최신 버전으로 전환하기가 어려울 수 있습니다. 이는 특히 다른 회사에서 또는 학생으로서 SPSS를 배운 신규 JMP® 사용자에게 해당됩니다.
신시내티 대학의 Joshua Lambert 박사가 작성한이 가이드는 사용자가 SPSS 버전 27에서 JMP 16 및 JMP Pro 16으로 쉽게 전환 할 수 있도록하기위한 것입니다. 이 백서에서는 SPSS와 JMP의 차이점을 설명하고 이러한 전환이 얼마나 쉬운 지 보여줄 것입니다.
이러한 차이점을 설명하기 위해 역사상 가장 악명 높은 난파선 중 하나 인 RMS 타이타닉 침몰의 데이터를 사용할 것입니다.
이 백서에서 다루는 주제는 다음과 같습니다.
백서의 전문은 아래에 나와 있습니다.
(참고 : 위의 하이퍼 링크를 클릭하면 특정 섹션으로 바로 이동할 수 있습니다.)
소개
1989 년, 포이즌의 신곡 "모든 장미는 가시가있다" 차트 1 위를 차지했습니다. 개인용 컴퓨터 환경은 빠르게 변화하고 새로 도입 된 그래픽 사용자 인터페이스 (GUI)를 통해 어려운 과거의 일부를 없애려고했습니다. Apple Macintosh는 데스크탑 GUI를 대중화했으며 많은 소프트웨어 회사가 GUI의 사용자 친화 성과 접근성을 활용하는 혁신적인 제품을 만드는 것을 목표로하고있었습니다. SAS Institute에서 John Sall과 그의 개발자 팀은 1989 년 10 월 John 's Macintosh Project (JMP) 버전 1을 출시했습니다. JMP 버전 1은 사용자에게 코드를 작성할 필요없이 소프트웨어에서 수행 할 분석 및 옵션을 지정할 수있는 그래픽 프런트 엔드를 제공했습니다. 1994 년에 JMP 3.1이 Windows 데스크톱 환경 용으로 출시되었습니다. 2020 년에 JMP 팀은 Mac 및 Windows 용 JMP 16 및 JMP 16 Pro에서 고품질 분석 도구의 긴 목록을 유지하면서 새로 개발 된 통계 방법을 계속 도입합니다. JMP의 포인트 앤 클릭 사용자 친화적 인 환경은 다양한 데이터 과학 활동에 널리 사용되는 도구입니다.
SPSS (Statistical Package for the Social Sciences)는 데이터의 통계 분석을 위해 잘 알려져 있고 활용도가 높은 프로그램입니다. 그것은 학계와 산업 모두에서 풍부한 역사를 가지고 있으며 특정 분야의 표준입니다. 원래 GUI 이전 시대에 개발 된 SPSS는 처음으로 GUI 형식으로 전환하여 틈새 시장을 개척했습니다. JMP 및 다른 많은 회사와 마찬가지로 SPSS는 사용자가 데이터를 쉽게 처리하고 분석 할 수있는 그래픽 프런트 엔드를 개발하여 분석을 대중에게 제공합니다.
JMP 및 SPSS 데이터 분석 워크 플로우는 근본적으로 다릅니다. JMP는 사용자가 데이터와 분석 사이에 동적이고 유동적 인 링크를 갖도록 설계되었습니다. 이 링크는이 가이드에서 살펴볼 데이터 분석에 대한 다른 관점으로 연결됩니다. SPSS에는 사용자가 출력을보기 전에 수행 할 분석을 지정하도록하는 정적 워크 플로가 필요합니다. JMP는 사용자가 처리하려는 응답 및 설명 변수 정의에서 조사하려는보다 구체적인 비교에 이르기까지 정보 캐스케이드를 안내합니다. JMP의 사용자 경험은 대화 형 및 동적 데이터 분석을 통해 사용자를 안내하도록 설계되었습니다.
2020 년에는 데이터 처리 및 분석을위한 다양한 소프트웨어 옵션이 있습니다. 각 소프트웨어는 분석을 매우 다르게 처리, 처리 및 출력하므로 한 소프트웨어 프로그램에서 다른 소프트웨어 프로그램으로 전환하는 것이 매우 어려울 수 있습니다. 이 가이드는 사용자가 SPSS 버전 27에서 JMP 16 및 JMP Pro 16으로 쉽게 전환 할 수 있도록하기위한 것입니다. 다음 예제는 SPSS와 JMP의 차이점과 하나에서 다른 것으로 쉽게 전환하는 방법을 가장 잘 보여줍니다. 이 예제는 고려중인 소프트웨어와 무관하므로 배경 및 데이터 세트는 대체 소스에서 가져옵니다.
예
RMS 타이타닉의 침몰은 역사상 가장 악명 높은 난파선 중 하나입니다. 1912 년 4 월 15 일, 처녀 항해 중에 타이타닉 호는 빙산과 충돌 한 후 침몰하여 2224 명의 승객과 승무원 중 1502 명이 사망했습니다. 이 놀라운 비극은 국제 사회에 충격을 주며 선박에 대한 더 나은 안전 규정을 가져 왔습니다.
그만큼 타이타닉 .csv 파일에는 타이타닉 승객 887 명의 데이터가 포함되어 있습니다. 각 행은 그 사람에 대한 다른 속성을 설명하는 열이있는 한 사람을 나타냅니다. Survived (0 = 아니요, 1 = 예), Pclass (1 = 1st class, 2 = 2 nd 클래스, 3 = 3 rd 클래스), 이름, 성별 (남성, 여성), 나이, 탑승 한 형제 자매 / 배우자, 탑승 한 부모 / 자녀 및 요금.
데이터 가져 오기 및 정리
SPSS
SPSS를 열면 파일 메뉴의 옵션을 사용하여 많은 파일 유형 (CSV, Stata, SAS, Excel 등)을 열 수 있습니다. 소프트웨어가 구분 기호 및 메뉴와 같은 항목을 확인하는 일련의 단계를 거친 후 다음 파일을 가져옵니다 (titanic.csv 데이터의 경우 "변수 사이에 나타나는 구분 기호"에서 공백을 선택 취소해야 함).
스프레드 시트를 한눈에 살펴보면 8 개의 변수와 887 개의 관측치가 표시됩니다. 생존, 승객 등급, 이름, 성별, 나이, 형제 또는 배우자가 탑승했는지 여부, 부모 또는 자녀가 탑승했는지 여부, 요금 (파운드 단위로 측정)에 대한 데이터를 볼 수 있습니다.
SPSS에는 각 데이터 세트를 보는 두 가지 방법 인 데이터보기 및 변수보기 옵션이 있으며, 이는 각 데이터 세트의 맨 아래에있는 탭을 통해 볼 수 있습니다. 변수보기에서 데이터를 열면 각 변수의 데이터 유형이 표시되고 레이블을 추가하고 형식을 변경하여 해당 정보를 수정할 수 있습니다.
이 데이터를 정리하고 분석 할 준비를하기 위해 이미 처리해야 할 몇 가지 사항이 있습니다. 다행히도 대부분의 변수는 올바른 측정 유형으로 읽혔습니다. 연령 및 요금은 척도 또는 연속 변수로 측정되고 다른 변수는 공칭으로 측정됩니다. PClass, SiblingsSpouse 및 Parents Children 변수는 서수 유형으로 변경해야하며, 측정 열 아래를 클릭하여 변수보기에서 수행 할 수 있습니다. 또한 누락 된 데이터가 없으므로 소프트웨어가 누락 된 관측치를 올바르게 처리하고 있는지 확인할 필요가 없습니다.
SPSS에서는 문자열 (텍스트) 유형 인 범주 형 변수에 레이블을 지정해야합니다. 이는 값 옵션을 사용하여 변수보기에서도 수행됩니다. 문자열 유형의 두 가지 변수 (이름 및 성별)가 있습니다. 이 예에서는 Name 변수를 사용하지 않습니다. Sex 변수를 사용할 계획이므로 성별 범주에 값을 추가해야합니다. 변수보기의 성별 행과 값 열에서… 버튼을 클릭하면됩니다.
SPSS에서 데이터를 표시하는 기본 개념은 개별 관측치의 관점에서 데이터를 표시하는 두 가지보기 옵션과 각 변수 유형의 개요를 제공하는 것입니다.
JMP
JMP로 전환하면 동일한 데이터를 열고 동일한 조작을 수행합니다. 프로그램을 시작할 때 일어나는 일부터 시작해 보겠습니다. JMP가 시작될 때 가장 먼저받는 것은 Tip of the Day 및 Home Window 화면입니다. 홈 창은 데이터, 로그 및 출력에 대해 서로 다른 창을 관리합니다. 최근 사용 된 파일은 왼쪽에 표시되어 이전 세션에서 사용했던 파일을 편리하게 다시 열 수 있습니다.
JMP의 또 다른 기능은보기 메뉴 아래에있는 JMP Starter 창입니다. JMP Starter는 분석 명령을 범주로 구성하고 각 데이터 및 분석 옵션에 대한 요약을 제공하므로 신규 사용자에게 편리합니다. 파일 범주에서 데이터 테이블 열기 명령을 클릭하고 파일이 포함 된 폴더로 이동하여 선택하고 열기를 클릭하여이 프로젝트에 대한 Titanic 데이터를 열 수 있습니다. 파일 메뉴에서 직접 데이터를 열 수도 있습니다.
SPSS와 마찬가지로 JMP는 CSV 파일, Excel 스프레드 시트, SAS 데이터 세트, SPSS 문서 및 텍스트 파일을 포함한 다양한 파일을 열 수 있습니다.
SPSS의 데이터 및 변수보기와 달리 JMP는 데이터의 여러보기간에 전환하지 않습니다. 대신 비슷한 작업을 수행하는 테이블 패널이 왼쪽에 있습니다.
왼쪽 중간 패널에는 열 정보가 표시되고 8 개의 변수와 데이터 유형이 각각 표시됩니다. 각 데이터 유형에 대한 모델링 유형 아이콘이 있습니다. 연속 변수는 파란색, 명목 데이터는 빨간색, 순서 형 데이터는 녹색입니다. Survived 변수는 Nominal 유형으로 변경해야하며 Pclass는 Ordinal로 변경해야합니다. 탑승 한 형제 / 배우자 및 탑승 한 부모 / 자녀도 서수로 변경할 수 있습니다. 유형을 변경하려면 변수 열 헤더를 왼쪽 또는 오른쪽 클릭하고 열 정보를 선택하면됩니다. 유형은 왼쪽 패널의 아이콘 (파란색 삼각형 또는 빨간색 히스토그램)을 마우스 오른쪽 또는 왼쪽 클릭하여 변경할 수도 있습니다. 왼쪽 하단 패널은 행을 요약하고 추가 정보를 표시합니다.
Survived 및 Pclass 변수를 변경해 보겠습니다. 왼쪽 중간 패널의 Survived 변수 옆에있는 파란색 아이콘을 마우스 오른쪽 또는 왼쪽 클릭하여 Nominal을 선택하면 아이콘이 빨간색으로 바뀝니다. 왼쪽 중간 패널의 Pclass 변수 옆에있는 파란색 아이콘을 마우스 오른쪽 또는 왼쪽 클릭하여 아이콘을 녹색으로 바꾸는 서수를 선택할 수 있습니다. 열 헤더를 마우스 오른쪽 버튼으로 클릭하고 열 정보를 선택하여 이러한 변경을 수행 할 수도 있습니다.
JMP 16에는 다른 데이터 유형이 있습니다. (데이터 유형에 대한 전체 설명은 다음을 참조하십시오. 링크 .) 예를 들어 이름은 기술적으로 구조화되지 않은 텍스트이며 공칭이 아닙니다. 이 변경은 열 머리글을 마우스 오른쪽 단추로 클릭하고 열 정보를 선택한 다음 모델링 유형에서 구조화되지 않은 텍스트를 선택하는 경우에만 수행 할 수 있습니다. JMP와 달리 SPSS에는 변수를 텍스트 유형 변수로 처리하는 옵션이나 텍스트 응답을 분석하는 플랫폼이 없습니다.
SPSS와 마찬가지로 JMP에서 값 레이블을 추가 할 수도 있습니다. 이렇게하려면 레이블을 적용 할 열 머리글을 마우스 오른쪽 버튼으로 클릭하고 열 정보를 선택합니다. 그런 다음 열 속성에서 값 레이블을 선택합니다. SPSS와 달리 JMP는 값 레이블 또는 원래 값을 사용할 수있는 옵션을 제공합니다. 열에 속성이 주어지면 JMP는 관심있는 열 이름 앞에 다른 기호로 이러한 변경 사항을 알립니다. 여기서 우리는 변수 Sex에 대해 별표가 생성 된 것을 볼 수 있습니다. JMP에는 값 레이블, 값 순서 및 단위와 같은 데이터 내의 가변성을 더 잘 이해하는 데 도움이되는 다른 많은 열 속성이 있다는 점에 유의해야합니다.
심상
시각화는 데이터를 분석하고 이해하기위한 강력한 도구입니다. 통계 소프트웨어를 통해 그래프를 쉽게 만들 수있는 능력은 분석 소프트웨어가 인기있는 주된 이유 중 하나입니다. 시각화는 Chart Builder 플랫폼을 통해 SPSS에서, Graph Builder 플랫폼을 통해 JMP에서 가장 쉽게 처리됩니다. 이 가이드에서는 간단하지만 강력한 세 가지 시각화 도구 인 막대 차트, 히스토그램 및 산점도에 대해 설명합니다.
SPSS
토론을 연령, 요금 및 성별 변수로 제한하여 각각의 분포를 시각화하고 세 가지 모두를 하나의 그래프에 표시한다고 가정합니다. 우리는 성별 막대 차트를 만드는 것으로 시작합니다. 이 작업을 수행하는 빠르고 쉬운 방법 중 하나는 그래프 메뉴 아래의 레거시 대화 상자를 사용하는 것입니다.
이 데이터의 경우 데이터 포인트의 절반 이상이 남성이라는 것을 알 수 있습니다. 연령 및 요금으로 전환하면이 데이터를 히스토그램으로 시각화 할 수 있습니다.이 데이터는 Legacy Dialogues에서도 찾을 수 있습니다.
히스토그램 외에도 각 변수 (평균, 표준 편차 및 표본 크기 N)에 대한 몇 가지 간단한 통계도 얻습니다. 출력의 각 그래프를 두 번 클릭하고 적합하다고 판단되는대로 사용자 정의 할 수 있습니다. 연령과 요금의 분포를 살펴보면 나머지보다 요금이 훨씬 더 높은 관측치를 볼 수 있습니다.
더 복잡한 그래프의 경우 그래프 메뉴에서 차트 빌더 옵션을 사용합니다. Chart Builder를 사용하여 성별에 따라 색으로 구분 된 연령 대 요금의 산점도를 작성할 수 있습니다.
차트 작성기 대화 상자는 사용하기 쉽고 사용자 지정할 수 있기 때문에 유용합니다. 원하는 그래프 유형을 클릭하고 미리보기 상자로 드래그하기 만하면됩니다. 여기에서 x 및 y 축에서 사용할 변수를 클릭하고 끌어서 색상 변수를 Set color? 상자. 그래프가 설정되면 확인을 클릭하여 결과를 볼 수 있습니다.
이 산점도를 볼 때 데이터에 대한 몇 가지 포인트를 만들 수 있습니다. 첫째, 비슷한 연령의 운임에 대해 두 가지 특이한 관찰 (남성 1 명과 여성 1 명)이있는 것으로 보입니다. 아마도 그들은 함께 여행하고 있었을까요? 이러한 데이터 포인트는 나머지 데이터와 관련하여 확실히 제자리에서 벗어납니다. 산점도에서 연령과 요금 사이에 선형 관계가 있는지 확인하기가 어렵습니다. 또한 운임 아래에는 50 파운드 정도의 많은 포인트가있는 것으로 보입니다.
JMP
JMP의 데이터 시각화를 살펴보기 전에 JMP가 대화 형 소프트웨어로 설계되었다는 소개를 떠올려보십시오. 이러한 상호 작용의 대부분은 사용자가 추가 분석을 탐색 할 수 있도록 데이터 및 출력의 여러 위치에 작은 빨간색 삼각형 아이콘의 형태로 제공됩니다. SPSS 출력은 대부분 정적이며 추가 탐색을 위해서는 분석 플랫폼의 그래프를 다시 열고 옵션을 다시 선택해야합니다. 기본 막대 차트로 다시 시작합니다. 사용자는 상단 메뉴 표시 줄의 그래프 메뉴 항목을 통해 그래프 기능에 쉽게 액세스 할 수 있습니다. 대부분의 그래프와 차트에서 JMP의 동적이고 사용자 친화적 인 그래프 빌더는 논리적 선택입니다. 막대 차트를 만들기 위해 그래프 빌더를 선택하여 파이 차트, 버블 플롯 및 선 그래프와 같은 다양한 다른 그래프도 허용합니다.
Graph Builder는 사용하기 쉬운 드래그 앤 드롭 플랫폼으로 흥미롭고 흥미로운 방식으로 데이터를 탐색하고 시각화 할 수 있습니다. 범주 형 변수에 대한 막대 차트를 만드는 것은 먼저 그래프 상단의 리본에서 막대 그래프 버튼을 선택하여 수행됩니다. 다음으로 Sex를 그래프 하단의 x 상자로 드래그합니다. 그래프 주위로 Sex 변수를 드래그하면 JMP의 Graph Builder가 동적으로 변경되고 변수를 드롭하기로 결정한 경우 그래프가 어떻게 보일지에 대한 실제보기를 제공합니다. 이것은 실제 그래프를 표시하기 전에 확인을 선택해야하는 SPSS와 다릅니다. 변경을 취소하는 것은 변수를 그래프에서 완전히 또는 그래프 플랫폼의 다른 섹션으로 드래그하는 것만 큼 간단합니다. Sex가 그래프 하단의 x 상자에 놓이면 새 막대 그림에 대한 옵션을 선택할 수있는 막대 옵션 패널이 나타납니다. 예를 들어 막대 위에 총계의 %를 포함하는 것은 레이블 드롭 다운에서 해당 옵션을 선택하는 것만 큼 간단합니다. 이 옵션은 막대 상단에 여성 및 남성 인 총 샘플의 비율을 전혀 표시하지 않고 표시합니다 (기본 옵션).
축을 합계의 백분율로 변경하는 것은 요약 통계 드롭 다운의 막대 옵션에서 합계의 %를 선택하는 것만 큼 쉽습니다. 모든 플롯 제목, 축 레이블 및 범례 설정은 두 번 클릭하거나 마우스 오른쪽 버튼을 클릭하고 변경할 설정으로 이동하여 변경할 수 있습니다. 그래프 빌더는 매우 대화 형이므로 막대 그래프를 원형 차트로 변경하는 것은 상단의 리본에서 원형 버튼을 클릭하는 것만 큼 간단합니다. 완료를 클릭하면 그래프 빌더 제어판이 제거되고 생성 된 그래프 만 남습니다. 이는 그래프를 이미지 파일로 내보내려는 경우에 유용합니다. 파일> 내보내기를 클릭하고 JMP의 여러 파일 유형 옵션 (예 : 이미지, PDF, Microsoft Word) 중 하나를 선택하여 수행 할 수 있습니다. 아래쪽을 가리키는 빨간색 삼각형을 클릭하고 제어판 표시를 선택하여 제어판을 다시 열 수 있습니다.
빨간색 아래쪽을 가리키는 삼각형 아래의 또 다른 유용한 옵션은 변수에 누락 된 데이터가있는 경우 누락 된 범주 포함입니다. 여성 및 남성 범주와 함께 그래프에 누락 된 데이터가 표시되고 표시된 모든 백분율에 포함됩니다. Recall 버튼도 유용합니다. 하나의 데이터 포인트가 잘못 분류되었음을 깨닫기 위해 완벽한 그래프를 만드는 데 오랜 시간을 보냈다고 가정 해 보겠습니다. JMP에서는 문제가되지 않습니다. 그래프 빌더를 종료하고 데이터 세트로 돌아가서 필요에 따라 데이터를 변경합니다. Graph> Graph Builder로 돌아 가면 마법의 Recall 버튼이 나타납니다. 그것을 클릭하면 방금 닫은 그래프가 다시 생성되고 데이터에 대한 수정 사항이 적용됩니다.
히스토그램으로 이동하면 그래프 빌더 리본에 히스토그램 아이콘이 있습니다. Age부터는 변수 목록에서 x 상자로 드래그하여 간단하고 직접적인 출력을 얻을 수 있습니다. 대신 수직 히스토그램을 얻기 위해 y 상자로 드래그 할 수도 있습니다. 막대 그래프와 마찬가지로 왼쪽 패널에서 히스토그램 스타일, 평균 및 표준 편차 또는 히스토그램 상자 상단에 표시되는 개수 등 유용한 히스토그램 옵션을 선택할 수 있습니다.
요금이 비싸고 연령이 비슷한 남성 및 여성 승객을 보여주는 SPSS에서 만든 산점도를 다시 만들어 보겠습니다. JMP는 동적이며 상호 작용하기 때문에 이미 생성 한 연령 히스토그램으로 시작할 수 있습니다. 이것을 산점도로 변환하려면 변수 Fare를 y 축으로 드래그하고 그래프 위의 리본에서 산점도 버튼을 클릭하기 만하면됩니다. 다음으로 성별 변수를 그래프 오른쪽에있는 오버레이와 크기 사이에있는 색상 상자로 드래그합니다. 그리고 voilà! 몇 번의 클릭만으로 히스토그램을 성별로 색칠 된 점이있는 산점도로 변환했습니다.
다시, 우리는 운임이 다른 개인보다 훨씬 높은 두 명의 고유 한 개인으로 보이는 것을 봅니다. 가능한 이상 값으로 나열하지만 SPSS와 JMP의 차이점이 실제로 시작되는 곳입니다. JMP를 사용하면 데이터와 보고서간에 동적으로 상호 작용할 수 있습니다. 모든 포인트가 선택되면 (회색으로 표시되지 않음) 포인트 위로 마우스를 가져가 그래프에 사용 된 변수 값과 해당 포인트가 해당하는 데이터 테이블의 특정 행에 대한 정보를 빠르게 얻을 수 있습니다. 관심있는 특정 데이터 하위 집합을 강조하기 위해 개별 지점을 선택할 수도 있습니다.
데이터 테이블로 돌아 가면 선택한 행이 데이터 테이블에서 하이라이트로 표시되므로 행을 신속하게 검사하여 논쟁을 일으키는 정확한 관찰 결과를 확인할 수 있습니다. 데이터의 일관성을 확인해야하는 경우 데이터와 출력을 동적으로 연결하면 쉽게 되돌아 가서 개별 관찰을 검사 할 수 있습니다. 데이터 선택을 지우는 방법은 여러 가지가 있지만 가장 쉬운 방법 중 하나는 데이터 테이블의 행 패널에서 선택됨을 두 번 클릭하는 것입니다 (마찬가지로 모든 행을 두 번 클릭하면 모든 데이터가 선택됨).
Graph Builder에서 동적 연결이 JMP 작업과 SPSS 작업을 분리하는 방법을 정확히 알기 시작합니다. 이 그래프에서 개별 포인트를 클릭하고 동적 분석을 위해 선택할 수 있습니다. 높은 운임으로 관찰을 위해 이것을 수행하면 우리가 단지 두 개의 관찰이라고 생각했던 것이 실제로는 세 개라는 것을 보여줍니다! Miss Anna Ward, Mr. Thomas Drake Martinez Cardeza, Mr. Gustave J Lesurer의 운임은 모두 512 파운드였습니다. Miss Ward와 Mr. Lesurer는 모두 35 세 였고 Mr. Cardeza는 36 세였습니다. 흥미롭게도 세 명의 승객 모두가 살아 남았습니다.
SPSS에서 우리는 그래프에서 가능한 이상 치를 관찰했지만 JMP는 한 단계 더 나아가 이러한 개별 포인트를 강조 표시하고 데이터 및 / 또는 기타 보고서에서 볼 수 있습니다. 또한 특정 데이터 포인트를 삭제하지 않고도 분석에서 제외 할 수 있습니다. 제외 된 데이터는 데이터 테이블 내에 유지되지만 분석에서 고려되지 않으므로 잠재적 인 이상 값이 있거나없는 분석을 쉽게 수행 할 수 있습니다. 시각화에서 개별 포인트를 제거하고 분석하지 않으려는 경우 숨기기 옵션도 있습니다. 이 제외 또는 숨기기는 데이터 테이블로 돌아가 제외하거나 숨길 행을 마우스 오른쪽 버튼으로 클릭하고 해당 버튼 (제외 또는 숨기기)을 클릭하여 수행 할 수 있습니다.
JMP 16의 또 다른 차별화 된 시각화 기능은 헤더 그래프입니다. 데이터 테이블 내에서 가장 왼쪽 열에 작은 히스토그램 버튼이 있습니다 (파란색 원이있는 아래 그림 참조). 이 아이콘을 클릭하면 각 변수의 열 머리글에 그래프가 표시되므로 매우 유용하고 동적입니다. 헤더 그래프의 여러 부분을 클릭하면 선택한 항목에 해당하는 표의 관찰 내용이 강조 표시됩니다. 아래에서 살아남은 항목 (1)을 선택하여 데이터 세트의 다른 변수에 대한 변수 분포를 빠르게 볼 수 있습니다! 산뜻한!
설명
기술 통계
기술 통계는 좋은 통계 분석의 핵심이며 제대로 수행되면 시각화에서 볼 수있는 것 이상의 진정한 통찰력을 제공합니다. 이 섹션에서는 일 변량 설명과 사용자 지정 테이블 생성에 중점을 둡니다. Age 및 Fare 변수를 계속 연구한다고 가정하면 잠재적 이상 값을 분석에서 제거해야하는지 여부가 아직 명확하지 않기 때문에 잠재적 이상 값을 남겨두고 해당 데이터를 고려할 것입니다.
SPSS
많은 SPSS 사용자는 주파수 대화 상자가 여러 변수를 동시에 분석하기위한 원 스톱 옵션이 될 수 있음을 알고 있습니다. 설명 대화 상자가 있지만 한 곳에서 설명 통계 및 그래프를 요청할 수 있기 때문에 빈도 대화 상자가 좋습니다. 또한이 옵션에 여러 유형의 데이터를 넣을 수 있으며 SPSS는 각 변수 유형에 대해 적절한 그래프와 통계를 생성합니다.
여기에서 선택한 옵션은 기본 통계 과정에서 논의되는 중앙 및 산포의 일반적인 측정 값을 볼 수있는 표준 일 변량 보고서를 제공합니다. 빈도 표, 히스토그램, 막대 차트 및 기타 유용한 설명 출력도 차트 옵션에서 사용할 수 있습니다.
SPSS 분석 : 기술 통계 : 빈도 메뉴
SPSS 주파수 대화 상자
SPSS 주파수 통계 옵션
SPSS 주파수 통계 출력
JMP
SPSS의 주파수 대화 상자와 마찬가지로 JMP에는 간단한 설명 출력을 얻을 수있는 배포 플랫폼이 있습니다. 배포 플랫폼은 분석 메뉴 아래에 있습니다. Survived, Sex, Age 및 Fare를 선택하여 시작합니다.
확인을 클릭하면 배포 보고서가 표시됩니다. 기본적으로 계량 형 변수, 평균, 표준 편차 및 기타 요약 통계는 평균에 대한 95 % 신뢰 구간뿐만 아니라 연속 변수에 대해 생성됩니다. 또한 기본적으로 변수 출력은 스택되지 않으며 수평으로 정렬됩니다. 빨간색 삼각형을 클릭하고 스택을 선택하면 출력이 세로보기로 전환됩니다. 범주 형 변수에 대한 빈도 표가 생성되고 남성 하위 그룹 (Sex = 1)이 선택되어 동일한 보고서의 다른 부분 간의 상호 작용을 강조합니다.
빨간색 삼각형을 클릭하면 보고서 표시를 사용자 정의하고 더 설명적인 측정 값을 얻거나 데이터에 다른 분포를 맞출 수 있습니다. 추가 기능에는 상자 플롯, 정규 분위수 플롯, CDF 플롯 및 분포 적합도가 포함됩니다. 대화식으로 출력 작업을 할 수 있기 때문에 다양한 이론적 분포를 데이터 (예 : 정규, 지수, 포아송, 이항, 정규 혼합 등)에 적합하고 데이터에 대한 상대적 적합도를 평가할 수 있습니다.
JMP의 또 다른 멋진 기능은 배포 보고서를 JMP 소프트웨어를 사용하지 않고도 대화 형으로보고 작업 할 수있는 대화 형 html 파일로 저장할 수 있다는 것입니다. 파일> 다른 이름으로 저장…> 파일 형식 :> 데이터가있는 대화 형 HTML을 통해 수행 할 수 있습니다. 이 파일은 학생들에게 좋은 데모를 제공하거나 보고서로 작업하여 JMP를 사용하는 사람과 그렇지 않은 사람간에 결과를 쉽게 논의 할 수 있습니다.
설명 : 맞춤 표
SPSS
대부분의 경우 시각적으로 연령과 성별에 따른 요금 차이가 표시된 예에서와 같이 특정 출력이 필요합니다. SPSS에는 특정 출력에 대한 사용자 정의 테이블을 만드는 옵션도 있습니다. 변수를 클릭하여 적절한 위치로 끌어서보고자하는 설명 적 출력을 지정할 수 있습니다. 숫자가 채워진 테이블을 보려면 먼저 확인을 클릭 한 다음 결과 섹션으로 이동하여 테이블을 확인해야합니다. 이 출력의 예는 다음과 같습니다.
JMP
JMP는 Tables 메뉴 아래의 Tabulate 플랫폼을 통해 사용자 정의 테이블을 만듭니다. Tabulate 플랫폼은 Graph Builder와 유사하게 대화식으로 테이블을 만들 수 있습니다. 다시 말하지만, SPSS에서는 테이블에 포함 할 변수를 드래그 한 다음 결과를보기 전에 확인을 클릭해야합니다. JMP는 변수를 드래그 앤 드롭 한 직후에 이러한 결과를 제공합니다. 테이블 사용자 지정을 시작하면서 계산과 출력을 볼 수 있습니다. 또한 매우 구체적인 출력을 원하는 경우 기존 대화 상자를 선호하는 대화 형 테이블을 끌 수 있습니다.
설명 : 상관 관계
SPSS
분석 메뉴의 상관 관계에서 이변 량 대화 상자를 사용하여 연령과 요금 사이의 샘플 상관 추정치를 얻을 수 있습니다. 두 변수 사이에는 유의 한 양의 상관 관계가 있습니다.
JMP
JMP는 분석 세트를 하나의 플랫폼으로 그룹화하여 다양한 작업을 수행 할 수 있습니다 (모두 다소 관련 있음). 예를 들어 Pearson 상관 계수를 찾는 가장 쉬운 옵션은 분석 메뉴의 다변량 방법에서 다변량 플랫폼을 사용하는 것입니다.
Multivariate 플랫폼은 상관 관계를 찾는 단순한 수단 그 이상입니다. 그러나 여기에 표시된 기본 보고서는 Pearson 상관 추정치와 산점도 행렬을 모두 제공합니다. 빨간색 삼각형을 클릭하면 대각선을 따라 히스토그램을 추가하여 분포를 빠르게 시각화 할 수 있습니다. Multivariate 플랫폼을 사용하면 상관 관계를 테스트하고 상관 관계 (예 : Spearman 및 Kendall), 신뢰 구간, 부분 상관 관계, 색상지도와 같은 시각적 개체를 찾을 수 있습니다. 또한 주성분 분석, 이상치 분석 및 항목 신뢰성과 같은 상관 기반 측정은 모두 다변량 플랫폼에서 사용할 수 있습니다.
추론 : 2- 표본 t- 검정
SPSS
나이가 살아남은 사람과 그렇지 않은 사람 사이에 유의 한 차이가 있는지 테스트하고 싶다고 가정 해 보겠습니다. 표준 독립 표본 t- 검정은 평균 비교 메뉴 아래에있는 SPSS의 인기있는 옵션입니다. 여기에서 하나 이상의 연속 측정을 지정하고 해당 측정의 평균 값이 두 그룹간에 크게 다른지 확인할 수 있습니다. SPSS에서는 등분 산 및이 분산 검정이 모두 계산되며 분산 검정을 사용하여 가장 적합한 검정을 결정할 수 있습니다.
JMP
T- 테스트를위한 JMP Starter 메뉴에 버튼이 있지만 사용자는 t- 테스트 및 일원 분산 분석 분석이 모두 동일한 플랫폼으로 이동한다는 점을 알고 있어야합니다. 실제로 JMP는 모든 두 변수 추론을 하나의 Fit Y by X 플랫폼으로 결합합니다. Fit Y by X 플랫폼을 사용하여 모든 유형의 데이터에 대한 이변 량 비교를 추론 할 수 있습니다.
시작 창의 왼쪽 하단에있는 그리드에는 다양한 분석 유형이 나열됩니다. 연구 할 x 및 y 변수를 선택할 수 있으며 JMP는 사용되는 데이터 유형에 따라 적절한 방법을 선택합니다.
지금은 생존 상태에 따른 연령 차이를 조사하고자합니다. 보고서에는 불균등 분산을 가정하는 t- 검정 (빨간색 삼각형 아이콘에서 평균 및 표준 편차 및 t 검정을 선택하여 찾을 수 있음)과 함께 간단한 설명이 있습니다. 그래픽 (예 : 상자 플롯)과 분산을 확인하는 추가 테스트 또는 치우친 데이터에 더 적합한 비모수 테스트를 추가 할 수 있습니다.
다시 말하지만 JMP는 많은 유사한 테스트를 하나의 공통 플랫폼으로 결합하므로 중요한 차이점을 볼 수 있습니다. t- 검정으로 시작하여 그래픽과 요약 통계를보고 t- 검정의 가정이 충족되는지 확인할 수 있습니다. 그렇지 않은 경우 고려되는 데이터에 더 적합한 대체 테스트를 추가 할 수 있습니다.
추론 : 교차 분석표 / 우발성 표 및 카이-제곱 검정
SPSS
분할 표를 만들고 범주 형 데이터에 대한 카이-제곱 테스트를 수행하는 것은 많은 분석에서 중요한 구성 요소입니다. 테이블 데이터 검사는 SPSS가 항상 중점을 두는 영역 중 하나이며 기술 통계 메뉴의 교차 분석 목록에서 다양한 분석 옵션을 찾을 수 있습니다. 교차 분석 메뉴를 사용하면 원하는 비교 유형을 기반으로 여러 가지 분석 세트를 요청할 수 있습니다.
이 예에서 타이타닉 호에 탑승 한 여성 (sex = 0)의 생존율은 남성 (sex = 1)의 3 배 이상인 74.2 % 대 19 %임을 알 수 있습니다. 카이-제곱 검정 표에서 생존 상태와 성별간에 유의 한 연관성이 있다는 결론을 내릴 수있는 충분한 통계적 증거가 있음을 확인할 수도 있습니다 (카이-제곱 p- 값 = 0.000). SPSS는 기본적으로 0.001보다 작은 p- 값을 표시하지 않고 대신 0.000 만 표시합니다. 이는 p- 값이 실제로 0이라고 생각하는 일부 사용자에게 혼동을 줄 수 있습니다. 실제로 p- 값은 매우 작습니다 (0.001 미만). JMP는 기본적으로 p- 값을 더 많은 소수 자릿수 (SPSS의 3 개 대신 4 개)로 표시하고 <0.0001 표기법으로 0.0001 미만의 p- 값을보다 명확하게 표현합니다. 예상 개수가 작은 경우 SPSS는 경고 메시지를 표시하고 작은 셀 개수를 가진 샘플 간의 차이에 대한 Fisher의 정확한 테스트를 제공합니다. 상대 위험 및 승산 비 추정치에 관심이있는 경우 통계 상자에서 위험 옵션을 선택하여 해당 추정치를 얻을 수 있습니다.
JMP
Fit Y by X 플랫폼을 통해 JMP의 우발성 분석 옵션에 액세스 할 수 있습니다. x와 y 모두에 대한 범주 형 변수를 지정하기 만하면 우발성 분석으로 이어집니다. SPSS에서했던 것과 동일한 테이블을 지정하여 성별과 생존 상태 간의 관계를 볼 수 있습니다. JMP 보고서는 테이블 정보, 카이 제곱 검정 및 Fisher의 정확 검정 (2x2 테이블 만, SPSS와 동일)을 제공합니다.
그런 다음 상대 위험, 승산 비 및 연관 측정 (Kendall의 타우와 같은 항목의 경우)과 같은 추가 요약 및 테스트를 추가 할 수 있습니다. 우발성 분석은 표준 보고서로 간주되지만 빨간색 삼각형 아이콘을 통해 사용할 수있는 옵션 목록도 볼 수 있습니다. JMP의 흥미로운 점은 소프트웨어가 익숙하지 않은 영역의 사용자를 지원한다는 것입니다. 승산 비 옵션을 선택하고 해당 영역 위로 마우스를 가져 가면이 옵션이 생성하는 분석 종류를 나타내는 설명 상자가 나타납니다. 통계, p- 값 또는 기타 출력을 해석하는 데 문제가있는 사용자의 경우이 옵션은 단순히 마우스로 영역을 돌거나 마우스를 가져 가면 사용할 수 있습니다.
추론: 선형 회귀
SPSS
회귀 메뉴의 선형 회귀 옵션을 사용하여 선형 회귀를 수행 할 수 있습니다. Age를 Fare의 예측 자로 사용한다고 가정합니다. SPSS의 선형 회귀 옵션은 모델 기반 추정, 적합도 측정, 진단, 예측 값 출력 및 적합도를 평가하기위한 시각적 플롯에 대한 다양한 옵션이있는 강력한 도구입니다. 많은 잠재적 예측 변수를 통합하고 동일한 메뉴 세트에서 단순 선형 회귀와 다중 선형 회귀를 모두 살펴볼 수 있습니다.
추가 옵션을 사용하지 않고 R-square, ANOVA 테이블 및 회귀 추정 테이블을 사용하여 표준 출력을 얻습니다. 연령과 요금 사이에 중요한 관계가 있으며 연령이 증가함에 따라 해당 개인의 요금도 증가하는 경향이 있습니다 (p- 값 = 0.001). 선형 옵션은 문자열 변수가 잠재적 예측 변수로 사용되는 것을 허용하지 않는다는 점에 유의해야합니다. 실제로 SPSS에는 적합해야하는 모델 유형에 따라 다양한 회귀 옵션이 있습니다. 선형 옵션은 숫자 공변량으로 만 제한됩니다. 연속 형 및 범주 형 공변량을 모두 사용하는 다중 회귀의 경우 일반 선형 모델 플랫폼을 참조하십시오.
JMP
JMP에는 회귀 모델에 대한 두 가지 옵션이 있습니다. 즉, X 별 Y 적합 플랫폼 또는 모델 적합 플랫폼이 모두 분석 메뉴 아래에 있습니다. 간단한 이변 량 피팅은 Fit Y by X 플랫폼을 따르므로 여기서 시작하겠습니다.
Fit Y by X 플랫폼을 다시 사용하여 서로 다른 두 변수 간의 관계를 살펴볼 수 있습니다. 여기에서는 연령을 X로, 요금을 Y로 표시했습니다. Fit Y by X 플랫폼은 이변 량 관계 만 확인한다는 점에 유의해야합니다. x 및 y 역할에 대해 둘 이상의 후보를 선택할 수 있습니다. 이러한 경우 출력은 각 변수 세트에 대한 적절한 측도를 표시하는 각 출력과 함께 다중 이변 량 적합치로 구성됩니다.
이변 량 적합 보고서는 간단한 산점도에서 시작하며 우리가 만들고자하는 이변 량 적합 유형을 정확히 평가해야합니다. 여기에서 데이터에 대한 단순한 선형 회귀선을 모델링하는 선형 피팅을 볼 수 있습니다. 표준 보고서에는 SPSS에서 발견 된 것과 동일한 기본 정보 (R-square, ANOVA 및 절편 및 기울기 매개 변수에 대한 가설 검정이있는 매개 변수 추정)가 포함됩니다. 그러나 JMP에서는이 출력과 상호 작용하여 여러 맞춤을 동시에 볼 수 있습니다. 예를 들어, 데이터에 대한 단순 평균, 직선 및 2 차 적합도를 선택하고 R- 제곱 또는 모수 추정치로 적합치를 비교할 수 있습니다. 다른 맞춤에는 밀도 타원과 스무딩 스플라인이 포함되며, 여기에서 맞춤을 비교할 수 있고 추후 연구를 위해 추정 된 값을 원래 데이터로 출력 할 수 있습니다. 각 적합치에서 진단 측정 값과 도표를 지정하여 각 특정 모델 사용에 대한 가정이 만족되는지 평가할 수 있습니다.
JMP는 다양한 유형의 회귀 모델을 모두 Fit Model 플랫폼 아래에 배치합니다. 여기에 표시된 예에서는 Sex, 순서 형 변수 Pclass 및 범주 형 변수 Sex의 조합을 통해 Fare를 예측하는 다중 선형 회귀 모델을 피팅합니다 (범주 형 및 연속 공변량을 분리 할 필요 없음). 실행을 클릭하면 실제 대 예측 플롯, 레버리지 플롯, 예측 플롯 별 잔차 등을 포함하는 최소 제곱 적합 출력이 표시됩니다. 프로필 플롯과 같은 추가 옵션은 빨간색 삼각형 아래에서 사용할 수 있습니다.
추론: 로지스틱 회귀
SPSS
로지스틱 회귀는 회귀 메뉴에서 이진 로지스틱 옵션을 사용하여 수행 할 수 있습니다. Age를 이진 변수 생존의 예측 자로 사용한다고 가정합니다. SPSS의 이진 로지스틱 옵션에는 모델 기반 추정, 적합도 측정, 진단, 승산 비로의 변환 등에 대한 다양한 옵션이 있습니다. 많은 잠재적 예측 변수를 통합하고 동일한 메뉴 세트에서 단순 로지스틱 회귀와 다중 로지스틱 회귀를 모두 볼 수 있습니다.
JMP
선형 회귀와 마찬가지로 JMP의 로지스틱 회귀 모델에는 두 가지 옵션이 있습니다. 즉, X 별 Y 적합 플랫폼 또는 모델 적합 플랫폼이 모두 분석 메뉴 아래에 있습니다. 이변 량 피팅은 Fit Y by X 플랫폼을 따르고 다중 로지스틱 피팅은 Fit Model 플랫폼에 적용됩니다. 확인을 클릭하면 모델에 대한 유용한 정보를 손끝으로 볼 수 있습니다. Odds Ratios와 같은 추가 옵션은 빨간색 삼각형 아래에서 사용할 수 있습니다.
데이터 조작
SPSS와 JMP는 각각 데이터를 구성하고 조작하는 다양한 방법을 제공하므로 데이터 조작에 탁월합니다. 데이터를 정렬하고, 변수를 정렬하고, 파일을 병합하고, 코드를 다시 작성하고 다른 많은 조작을 실행할 수 있습니다. 다음은 SPSS 및 JMP의 여러 데이터 조작 기능을 나란히 비교 한 것입니다. 새로운 JMP 사용자는 데이터 파일과 출력이 동적으로 연결되기 때문에 데이터를 조작하기 전에 출력을 닫아야하는 경우가 있음을 알아야합니다. 데이터를 정렬하거나 조작 할 때 JMP는 기본적으로 필요한 조작이있는 새 데이터 테이블을 만드는 경우가 있습니다. 새 사용자는 조작 된 파일이 현재 데이터 파일을 대체하도록 지정해야합니다. 다양한 메뉴 옵션을 통해 JMP에서 데이터를 조작 할 수 있습니다. 테이블 메뉴 항목은 많은 공통 데이터 테이블 변환을 제공하고 열> 유틸리티 메뉴 항목은 공통 데이터 열 조작을 완료하기위한 많은 도구를 제공합니다. JMP Starter보기는 또한 하나의 통합 된 위치에 이러한 많은 옵션을 표시합니다.
SPSS
JMP
데이터 조작 : 새 변수 생성
SPSS
년이 아닌 월로서의 Age 인 새 변수를 생성한다고 가정 해 보겠습니다. 변수 계산 옵션을 사용하여 새 변수 (Age_Std라고 함)를 정의하고 해당 변수에 공식 계산을 첨부 할 수 있습니다 (Age * 12). SPSS에는 데이터 집계 및 변환을위한 다양한 기능이 있으며, 모두 기능 유형별로 그룹화됩니다. 숫자 식을 채운 후 SPSS는 지정된 이름의 새 변수를 만들고 숫자 식의 계산으로 채 웁니다.
JMP
JMP는 데이터 테이블에 직접 새 변수를 생성합니다. JMP에서 동일한 새 변수 (Age_Std)를 생성한다고 가정합니다. 데이터 테이블 끝에있는 사용되지 않은 열을 두 번 클릭하여 새 열을 만듭니다. 그런 다음 열 이름을 두 번 클릭하여 열 이름을 지정하는 열 정보 창을 표시하고 열 속성을 클릭하고 수식을 선택하여 수식 편집 창을 표시합니다. 이제 수식을 편집하여 SPSS에서 사용한 숫자 식을 만들 수 있습니다. JMP에는 기존 데이터를 조작하고 변환하는 데 적용 할 수있는 다양한 기능도 있습니다. 또한 메뉴 항목 Cols> New Columns를 사용하여 새 열을 만들 수도 있습니다. 일반적인 데이터 변환은 Graph Builder, Tabulate, Fit Y by X 및 Fit Model과 같은 많은 JMP 플랫폼에서 즉석에서 수행 할 수도 있습니다. 이 즉시 옵션은 열 상자에서 변환하려는 변수를 마우스 오른쪽 버튼으로 클릭하고 변환으로 이동하는 것만 큼 간단합니다.
데이터 조작 : 파일 분할
SPSS
타이타닉 호에 탑승 한 남성과 여성의 다른 결과를보고 싶다고 가정 해 보겠습니다. Split File 옵션을 사용하여 SPSS에 추가 출력은 항상 특정 변수에 의해 계층화되어야 함을 알릴 수 있습니다. 남성과 여성만을위한 새 파일을 생성 할 수있는 옵션이 있지만 분할 옵션은 SPSS에 후속 출력이 여성과 남성간에 분리되어야 함을 나타내는 고유 한 방법입니다.
계층화되지 않은 분석으로 돌아가려면 파일 분할 옵션으로 이동하여 "모든 사례 분석, 그룹 생성 안 함"을 선택하여 계층화를 해제하십시오.
JMP
모든 분석 플랫폼에는 특정 변수로 출력을 계층화하는 기준 옵션이 있으므로 JMP에서는 파일 분할이 필요하지 않을 수 있습니다. 따라서 계층화 된 기술 통계를 원하면 아래와 같이 배포 플랫폼에서 By 문을 사용합니다.
출력 저장 및 재생
데이터를 조작하고 훌륭한 출력과 비주얼을 생성하는 것은 데이터를 저장하고 재현하는 메커니즘이 있어야만 가능합니다. 분명하지 않은 것 같지만 JMP는 스크립팅 언어에 의해 연료를 공급받습니다. 스크립팅 언어는 주로 일반 사용자 나 신규 사용자를 위해 백그라운드에서 작동합니다. 많은 고급 사용자는 코딩이 반복적 인 작업에 대해 더 빠른 결과를 생성한다는 것을 알게됩니다. SPSS 및 JMP에서 출력을 저장하고 재생하는 방법에 대해 설명하겠습니다.
SPSS
SPSS 데이터 파일을 SPSS 형식 (.sav 파일)으로 저장할 때 데이터 파일은 모든 조작, 변환 및 레이블을 유지합니다. 출력을 유지하기 위해 별도의 파일 (.spv 형식)로 저장합니다. SPSS의 포인트 앤 클릭 인터페이스는 실제로 코드 생성을위한 메커니즘이므로 코드는 출력 파일의 모든 출력보다 우선합니다. 예를 들어 연령 및 요금에 대한 설명 통계를보고 싶다면 포인트 앤 클릭 인터페이스의 출력에 다음 코드를 생성 할 수 있습니다.
JMP
JMP는 출력을 저장하고 재생하는 데 다른 접근 방식을 사용합니다. 데이터를 JMP 데이터 파일 (.jmp 파일)로 저장할 때 데이터는 분석에서 저장된 조작, 변환, 레이블 및 스크립트를 유지합니다. 예를 살펴 보겠습니다. 나중에 사용하기 위해 연령 및 요금 정보의 분포 분석을 저장한다고 가정합니다. 모든 JMP 보고서에서 데이터 테이블에 코드 (JMP 스크립트라고 함)를 저장하는 옵션을 찾을 수 있습니다. JMP 스크립트를 저장하는 다른 옵션이 있지만 JMP 데이터 테이블에 저장하는 것이 하나의 옵션입니다. 데이터를 JMP 형식으로 저장하면 데이터 테이블에 저장된 모든 스크립트도 함께 저장됩니다. 저장된 스크립트의 이름을 편집하고 데이터 테이블에서 저장된 스크립트의 이름 옆에있는 빨간색 삼각형으로 출력을 재현 할 수 있습니다. 또한 특정 프로젝트와 관련된 데이터 정보와 분석을 모두 포함하는 하나의 파일이 있습니다. JMP 데이터 파일은 많은 JMP 사용자가 공유 할 수 있으며 하나의 파일이 모든 프로젝트 분석을위한 단일 플랫폼이 될 수 있습니다. SPSS에 대해 위에 나열된 코드와 유사한 서면 지침 세트를 원하는 경우 간단히 스크립트 저장> 저널에 선택하면 필요한 .jsl (JMP 스크립팅 언어) 코드가 편집 가능한 텍스트 창에 표시됩니다. SPSS와 마찬가지로 JMP의 스크립팅 언어는 매우 복잡하며 반복적 인 작업을 완료하는 데 유용 할 수 있습니다.
다른 기능들
SPSS에서 JMP로 전환하는 사용자는 JMP의 일부 고유 기능에 관심이있을 수 있습니다.
기계 학습 및 텍스트 마이닝
JMP 16 및 SPSS 27은 모두 의사 결정 트리 및 신경망과 함께 표준으로 제공되지만 JMP 16에는 부트 스트랩 포리스트, 부스트 트리, Naïve Bayes 및 지원 벡터 머신을 포함하여 SPSS 27에없는 여러 고급 예측 모델링 방법이 있습니다. 또한 JMP 16에는 예측 모델을 만드는 데 유용한 많은 기본 제공 도구가 있습니다. 이러한 도구 중 하나는 사용자가 계층화, 그룹화 및 절단 점 열을 기반으로 열을 만들 수있는 유효성 검사 열 만들기입니다.
텍스트 마이닝은 재미 있고 JMP에 참여하는 또 다른 데이터 마이닝 접근 방식입니다. SPSS에는 기본 제공 텍스트 마이닝 기능이 없습니다. 예를 들어, 이름 열이 구조화되지 않은 텍스트임을 상기하십시오. JMP 16을 사용하면이 텍스트 데이터에서 단어 또는 구의 패턴을 탐색 할 수 있습니다. 분석 메뉴에서 텍스트 탐색기 모듈을 사용하면 구조화되지 않은 많은 텍스트 열을 선택하고 선택한 텍스트 내에서 단어 나 구를 어떻게 알아 내야하는지 JMP에 알릴 수 있습니다. 확인을 클릭하면 텍스트 탐색기는 선택한 열 내에 일반적인 용어와 구문을 표시합니다. 위 그림에서 볼 수 있듯이“mr”이라는 단어는 513 번 나옵니다. "miss"는 182 번, "mrs"은 125 번 나타납니다. 이 통찰력은 우리의 타이타닉 데이터가 현재 변수로 설명하지 않는 것입니다. JMP를 사용하면 이름 열에 "miss"또는 "mrs"이라는 단어가있는 행에 대해 표시기 열 (0 또는 1)을 쉽게 만들 수 있습니다. 단어를 마우스 오른쪽 버튼으로 클릭하고 지표 저장을 선택하면 데이터 세트에 이러한 새 지표 변수가 생성됩니다. 그거 참 멋지다!
샘플 데이터 세트
통계를 배우고 가르치는 데있어 한 가지 어려움은 형식이 좋은 예제 데이터 세트를 찾는 것입니다. JMP는이를 알고 있으며 수백 개의 데이터 세트를 포함하고 있습니다. 분석, 현장 및 교육 리소스 유형별로 분류 된 JMP의 내장 데이터 세트는 도움말> 샘플 데이터 메뉴 항목을 통해 쉽게 액세스 할 수 있습니다. 이러한 데이터 세트를 여는 것은 탐색하거나 배우려는 데이터 유형 또는 통계 방법을 선택하고 파란색으로 강조 표시된 링크를 클릭하는 것만 큼 쉽습니다. JMP에서지도를 만드는 방법을 배우고 싶습니까? Geographic Maps 데이터 유형에서 US Election 2008 데이터를 찾습니다. 데이터 세트가 열리면 왼쪽 상단에서 실행할 준비가 된 여러 JMP 스크립트를 찾습니다. 선거인 수에 따라 크기가 지정된 그래프 빌더지도 옆에있는 녹색 재생 화살표를 클릭하면 오바마 또는 매케인이 해당 주에서 승리했는지에 따라 파란색 또는 빨간색으로 색상이 지정된 미국지도가있는 그래프 빌더가 시작됩니다. 산뜻한! 생존 분석에 대해 알고 싶으십니까? 신뢰성 / 생존 범주를 찾아 어플라이언스 데이터 세트를 선택하십시오. 데이터 세트의 왼쪽 상단에있는 Life Distribution 스크립트를 실행하면 시간-이벤트 데이터의 분포를 맞추고 비교합니다. JMP로 배우고 탐색하는 것은 매우 쉽습니다!
결론
SPSS와 JMP는 모두 데이터를 조작, 시각화 및 분석하기위한 훌륭한 소프트웨어 도구입니다. 이 가이드에서는 SPSS 및 JMP에서 많은 일반적인 데이터 지향 작업을 완료하는 방법을 강조했습니다. 전체적으로 두 소프트웨어 패키지 간의 많은 차이점과 JMP가 데이터에서 얻는 통찰력을 향상시킬 수있는 방법을 지적했습니다. JMP와 SPSS가 데이터 분석 워크 플로우에 다르게 접근하는 것을 쉽게 알 수 있습니다. SPSS의 포인트 앤 클릭 메커니즘은 SPSS 코드를 생성하므로 사용자는 수행 할 분석 및 옵션을 결정한 다음 생성 된 코드를 제출하여 출력을 얻습니다. 코드와 결과는 저장, 복사 또는 조작 할 수있는 출력 파일에 나열됩니다. 반대로 JMP는 데이터와 보고서를 동적으로 연결하여 데이터와 사용자 간의 상호 작용을 만듭니다. 사용자는 일반적인 분석 영역으로 시작한 다음 출력을 사용자 지정하여 다른 기능이나 분석을 추가 할 수 있습니다. 데이터와 출력 사이의 동적 연결은 비정상적인 관찰을 매우 간단하고 직관적으로 탐색합니다. Graph Builder와 같은 기능의 상호 작용을 통해 사용자는 실시간으로 시각적 개체를 만들고 업데이트 할 수 있습니다.
감사의 말
JMP의 Ruth Hummel, Larry LaRusso, Anne Miley 및 Amy Stuart에게이 가이드를 작성하는 동안 모든 지원, 편집 및 피드백에 대해 감사드립니다. 또한 두 번째 버전을 만들기위한 명확하고 정확한 시작점을 제공 한이 가이드의 첫 번째 버전의 작성자 인 Jason Brinkley에게도 감사드립니다.
