隨著越來越多的公司尋求讓員工基於數據做出決策，易於使用的統計軟件已成為幾乎所有企業的必備工具。 全面的統計分析、構建複雜的描述性和預測性模型以及挖掘數據以發現見解不再僅由統計人員完成，而是由組織內許多職能領域的人員完成。 學術界也有類似的需求。 跨學科的課程和課程數量大幅增加，讓學生接觸統計科學的工具和技術。 交互式點擊式軟件可以大大降低學生培養必要技能和享受數據探索過程的障礙，而無需編程。
本白皮書探討了兩種流行的軟件包——Minitab 和 JMP。 將說明兩者之間的差異，目的是讓有經驗的 Minitab 用戶更容易過渡到 JMP。 重點在於用戶界面、工具的訪問方式、分析的執行方式以及用戶分析數據所遵循的一般工作流程。
Minitab 是一個基於圖形用戶界面 (GUI) 的統計軟件程序，最初於 1978 年開發，作為支持介紹性統計課程的計算工具。 Minitab v19 於 2020 年 6 月發布，是本白皮書中的特色版本。
JMP 和 JMP Pro 也是基於 GUI 的軟件，最初由 SAS 於 1989 年開發，用於支持工程師、科學家和研究人員在非編程、高度交互的環境中應用統計科學工具。 JMP 和 JMP Pro 用於廣泛的行業和學科。 JMP 16 和 JMP Pro 16 於 2021 年 3 月發布，是本文中的特色版本。
由於這是一份過渡指南，而不是對其個人能力的全面介紹，因此我們無法在本白皮書中涵蓋兩者之間的所有差異。 訪問minitab.com和jmp.com了解更多。
本文涵蓋的主題包括：
白皮書全文如下。
（注意：您可以通過單擊上面的超鏈接直接跳轉到特定部分。）
介紹
隨著越來越多的公司尋求讓員工基於數據做出決策，易於使用的統計軟件已成為幾乎所有企業的必備工具。 全面的統計分析、構建複雜的描述性和預測性模型以及挖掘數據以發現見解不再僅由統計人員完成，而是由組織內許多職能領域的人員完成。 學術界也有類似的需求。 跨學科的課程和課程數量大幅增加，讓學生接觸統計科學的工具和技術。 交互式點擊式軟件可以大大降低學生在無需編程的情況下培養必要技能和享受數據探索過程的障礙。
本白皮書探討了兩種流行的軟件包——Minitab 和 JMP。 將說明兩者之間的差異，目的是簡化有經驗的 Minitab 用戶過渡到 JMP 的過程。 重點在於用戶界面、工具的訪問方式、分析的執行方式以及用戶分析數據所遵循的一般工作流程。
Minitab 是一個基於圖形用戶界面 (GUI) 的統計軟件程序，最初於 1978 年開發，作為支持介紹性統計課程的計算工具。 在 90 年代中後期，隨著從事質量計劃（如 6 Sigma）的公司開始使用統計技術來提高其流程和產品的質量，它在行業中廣受歡迎。 Minitab v19 於 2020 年 6 月發布，是本白皮書中的特色版本。
JMP 和 JMP Pro 也是基於 GUI 的軟件，最初由 SAS 於 1989 年開發，用於支持工程師、科學家和研究人員在非編程、高度交互的環境中應用統計科學工具。 JMP 和 JMP Pro 用於廣泛的行業和學科。 JMP 16 和 JMP Pro 16 於 2021 年 3 月發布，是本文中的特色版本。
由於這是一份過渡指南，而不是對其個人能力的全面介紹，因此我們無法在本白皮書中涵蓋兩者之間的所有差異。 訪問www.minitab.com和www.jmp.com了解更多。
概述
儘管 Minitab 和 JMP 之間存在一些相似之處，但對於過渡到 JMP 的人來說，有一些重要的根本區別應該知道。
1.交互式分析輸出。 在 JMP 中執行分析時，輸出顯示在交互式窗口中。 創建的所有分析輸出，包括跨不同平台創建的輸出，都相互動態鏈接並鏈接到數據表。 這允許用戶直接與分析輸出交互。 諸如刪除/添加變量到模型、切換變量的角色和設置數據子集等更改可以直接從分析輸出中完成，無需重新運行分析。 也可以對數據表進行更改（例如，添加/刪除數據），並且所有輸出都可以設置為自動更新。
Minitab 輸出主要是靜態的，沒有跨不同的分析工具連接。 例如，要從模型中刪除變量，需要重新啟動分析工具，指定這些更改，然後重新運行分析。 在 Minitab 的許多工具中，對數據進行更改不會自動更新分析結果。
2. 上下文菜單。 JMP 中執行的每個分析輸出都與對與該分析相關的一組工具的訪問相關聯。 通過這種方式，分析數據的方法本質上更具探索性和交互性，一次分析的結果將引導用戶使用一組工具，這些工具被設計為分析工作流程的下一步。
Minitab 以更傳統的批處理模式運行分析，用戶通常必須決定執行哪種分析與查看數據中的特徵完全分開。 選擇工具後，會打開一個對話框。 變量被分配角色並選擇選項。 運行分析會產生一組通常是靜態的輸出。 典型分析工作流程的下一步通常需要啟動新工具，這需要另一輪指定變量角色和選項。
3. 定義用於分析的數據。 Minitab 中的典型方法是創建一個工作表，其中包含特定分析將基於的所有數據。 例如，如果需要對該數據的子集執行分析，通常需要執行操作（例如，子集、拆分工作表等）以創建新工作表。 如果發現異常值並且分析師希望在沒有這些數據點的情況下查看結果，則通常需要創建另一個新工作表並再次運行分析。 這需要在典型的分析會話中管理許多工作表。
雖然也可以在 JMP 中處理多個數據表，但通常最容易使用數據過濾器和行狀態操作來定義數據以作為特定分析的基礎。 這些數據過濾器和行狀態可以隨時保存和訪問，這使分析人員可以擁有一個數據表，可以在該表上執行對該數據的各個子集的所有分析。
此外，即使在執行分析之後，JMP 中的本地數據過濾器工具也允許用戶過濾數據。 例如，可以從數據表中的所有數據創建線性回歸模型。 從回歸分析輸出中，可以啟動本地數據過濾器，它會立即更改所選數據的不同子集的所有結果。
4. 同時進行多重分析。 JMP 的一個關鍵特性是它能夠同時執行大量分析。 在 JMP 內的幾乎所有分析平台中，都提供了“按變量”選項，允許針對該變量的每個級別執行分析。 例如，如果想要對一個分類變量的 10 個不同組中的每一個執行單獨的假設檢驗，比較兩個均值，則只需指定按變量即可。 Minitab 需要運行該分析 10 次。
JMP 平台還允許您通過簡單地選擇所有響應變量和因子來一起運行大量單獨的分析。 例如，如果要對三個不同的響應變量和五個不同的解釋因子進行每一種可能的單因子分析，則可以在一個步驟中執行所有 3x5=15 種不同的分析，包括基於數據類型的不同單因子分析技術。響應變量和因素。 方差分析、線性回歸、Logistic 回歸和卡方分析都可以同時執行，結果顯示在同一輸出窗口中。 Minitab 需要使用不同的工具分別運行這些分析中的每一個。
JMP 擁有獨特的平台，專為執行大量分析以及創建的自定義圖形和輸出而設計。 例如，可以對 50 個不同的過程變量執行多變量能力分析。 除了為 50 種不同的個人能力分析生成輸出外，還將創建獨特的圖形和數字輸出，將所有個人結果標準化，以便輕鬆比較這 50 個變量——真正的多變量分析。
JMP 中還有專門為需要大量分析的應用程序而設計的專用平台。 例如，在某些科學領域，一個人可能擁有一千個不同的響應變量和一個解釋因子，這是非常典型的。 可以執行響應篩選分析，產生 1,000 個單獨的單向方差分析。 結果（根據分析次數進行統計調整）使用一組定制的圖形和數據表一起顯示，這些圖表和數據表旨在便於比較和後續分析。
5. 整合。 JMP 能夠與外部計算環境集成，例如 SAS、MATLAB、R 和 Python。 通過 JSL（JMP 的腳本語言），分析師可以利用這些工具的強大功能，同時還可以在 JMP 的交互式 GUI 中工作。
Minitab 目前能夠單獨與 Python 集成，但不能與 SAS、R 或 MATLAB 集成。
6. 發布報告。 Minitab 和 JMP 都有用於在軟件外部導出和保存報告的工具（例如，.jpg、Microsoft PowerPoint 和 Word）。 JMP 還可以生成交互式 .html 報告，允許其他人使用交互式工具在 JMP 之外查看分析報告，以進一步深入了解數據。 JMP 產品套件中的另一個產品是 JMP Live，它提供了額外的功能，用於在數據和模型更改時自動生成和共享報告更新儀表板。
7. 統計分析技術。 儘管這兩種軟件都包含許多更常見的統計分析工具，但 JMP 和 JMP Pro 中提供了無數更高級的統計技術和數據管理工具，而 Minitab 中沒有這些工具。 JMP 在特定統計分析技術中通常還具有更多選項和功能。 訪問www.jmp.com了解更多。
數據集
本指南將使用各種數據集。 他們可以在這裡找到.
文件格式
有經驗的 Minitab 用戶在學習 JMP 時可能首先註意到的一個區別是，不必在項目文件結構內工作。
Minitab 項目文件
Minitab 用戶最熟悉以擴展名 .mpx 表示的 Minitab 項目文件。 在這個項目文件中，可以導入或創建多個工作表（即數據表）。 圖 1 顯示了一個包含四個工作表的示例 Minitab 項目文件。 顯示分為三個窗格。 右下窗格顯示活動工作表（完整 4 個數據）以及每個工作表底部的選項卡。 左窗格，稱為導航器，顯示已執行的分析和操作的列表（例如，產量和水分含量的圖形摘要，……，拆分工作表）。 右上角的窗格是顯示特定分析輸出的輸出窗口。 可以選擇三種不同的視圖（數據和輸出、僅數據和僅輸出）。 在此圖中，選擇了數據和輸出視圖。
圖 1 Minitab：項目文件
選擇的任何分析或操作都在活動工作表上執行。 如果用戶希望對數據的子集執行分析，則需要從父工作表創建一個新工作表。 這裡創建了一組工作表，使用數據>拆分工作表命令為四個地理位置（A、B、C 和 D）中的每一個創建了一個工作表。 要僅對一個 GeoLocations 執行分析，首先需要選擇該工作表以使其成為活動工作表，然後再運行分析。
JMP 數據表文件
JMP 也可以在項目文件結構中使用。 首先，讓我們看看 JMP 數據表文件是如何工作的，因為許多用戶選擇使用該類型的文件。 JMP 數據表文件以擴展名 .jmp 表示。
圖 2 顯示了 JMP 數據表文件的示例。 該文件有四個窗格。 數據表在右側，行窗格在左下方，提供數據表中行的摘要，包括已選擇、排除或隱藏的行數。 左中的列窗格顯示數據表中的變量，標識該變量的屬性，例如建模類型和標籤的使用。 左上窗格顯示已保存到此數據表文件的腳本。 運行和保存腳本的步驟將在後面的部分中顯示。
在不同窗格中看到的紅色三角形可以訪問各種工具來對數據表、列或行執行操作。 通過單擊列窗格中的列列表並將其拖動到所需位置，可以對數據表中的列重新排序。 可以在列菜單下或通過右鍵單擊數據表中的列找到可以對列執行的更全面的工具和操作列表。
圖 2 JMP：數據表
JMP 有一系列工具（我們將在後面說明），它們允許用戶對數據的特定子集進行分析。 在許多情況下，您會發現以這種方式處理一個主數據表允許您執行所有所需的分析，而無需像 Minitab 中所要求的那樣創建和管理多個數據表。
JMP 項目文件
JMP 項目文件是另一種有助於工作的文件結構。 項目文件為 JMP 提供單一界面，充當許多不同項目元素的容器。 它可以包含（或參考）數據表、分析腳本、JMP 期刊、報告以及非 JMP 元素，例如文檔、數據文件等。
圖 3A 是 JMP 項目文件的示例。
在此示例中，左側顯示了兩個窗格。
內容：項目文件中包含的所有文件的列表，例如文件夾、JMP 數據表和其他非 JMP 文件（例如，.xls、.csv、.doc。 .ppt、.jpg 等）。 這裡我們有一個文件夾、兩個 JMP 數據表、一個 JMP 日誌、兩個 excel 文件和一個 word 文檔。
工作區：當前正在顯示的項目內容的分層列表。 在這裡，我們有 JMP 日誌和兩個 JMP 數據表，以及與其中一個 JMP 數據表中的腳本相關聯的分析報告。
窗口的選項卡式集合（工作區窗格中列出的每個元素對應一個窗口）組織在右側。 這裡我們有一個數據表作為活動窗口。 您應該將其識別為圖 2 中所示的 JMP 數據表。
圖 3A JMP：項目文件
每個窗格，包括任何選項卡，都可以移動以將顯示重新配置為所需的視圖。
圖 3B 顯示了一個項目示例，其中的選項卡已排列好，因此兩個 JMP 數據表和日誌直接放置在工作區和內容窗格的右側，並選擇顯示其中一個。 右側是兩份分析報告，一份放在另一份之上。
圖 3B JMP：項目文件
這種選項卡式可配置環境為用戶提供了以最適合情況的任何方式顯示、隱藏和顯示項目文件內容的靈活性。
項目文件可以共享，包括非 JMP 文件在內的所有內容都將包含在內。
訪問 jmp.com， jmp.com/幫助要么社區.jmp.com並蒐索“項目”以查看資源列表，包括錄音、教程、文檔和用戶討論，以了解有關 JMP 項目功能的更多信息。
導入數據
通常，數據是在其他應用程序中生成的，而不是在統計軟件中生成的。 例如，工程師可能會在 Excel 電子表格或中央數據庫中記錄實驗數據，該數據庫包含大量客戶行為數據，需要從中檢索和分析該數據的某些子集。 Minitab 和 JMP 都可以打開許多不同的文件類型，包括 .csv、.txt、.xls 等，並且每個都能夠通過 ODBC（開放數據庫連接）查詢數據庫。
JMP
JMP 能夠打開 Minitab 無法打開的其他文件類型，例如 SAS、R、MATLAB、.html 和 .pdf 文件。 JMP 還可以使用 Internet Open 功能打開內置於網頁中的表格。
JMP 還具有能夠將多個文件合併到一個數據表中的附加優勢。 圖 4 顯示了一個文件夾，其中包含與調查相關的不同文本文件的集合以及其中一個文件的內容。
圖 4 JMP：導入多個文件
選擇文件 > 打開多個，將啟動一個導入嚮導，該嚮導將引導您完成將這些多個文件中的所有數據導入一個 JMP 數據表的過程。
要將 Minitab 文件中當前擁有的數據導入 JMP，最好先以 .xls、.csv 或 .txt 等格式保存 Minitab 工作表。 然後只需選擇文件 > 在 JMP 中打開即可將該數據導入 JMP 數據表。 將啟動導入嚮導以指定如何導入數據（例如，選擇要導入的變量和行、包含/排除變量名稱等）。
清理和格式化數據
Minitab 和 JMP 都有一組工具，允許用戶清理和格式化數據以準備分析。
Minitab
Minitab 用於格式化、清理和準備數據的大多數工具都位於“數據”和“計算”菜單下。 圖 5 顯示了這些菜單下的工具列表。
圖 5 Minitab：數據和計算菜單
選擇工具後，將出現一個對話框，允許將變量置於不同的角色中，以描述要執行的特定操作集。
圖 6 是 Minitab 排序工具對話框的示例。 在這裡，我們選擇根據將數據保存到同一工作表（即“在原始列中”）的 GeoLocation 變量按字母升序對所有數據進行排序。
圖 6 Minitab：排序工具
JMP
大多數 JMP 用於格式化、清理和準備分析數據的工具都位於三個不同的菜單下：表、行和列（如圖 7 所示）。
圖 7 JMP：表、行和列菜單
圖 8 是 JMP 排序工具的示例。 雖然對話框外觀不同，操作名稱不同，但大體的過程是非常相似的。
圖 8 JMP：排序工具
您在 Minitab 中執行的所有數據操作操作也可以在 JMP 中執行。 只需稍加練習即可了解如何訪問工具以及如何在對話框中指定所需的操作。
表格菜單中的一個 JMP 工具（在 Minitab 中不可用）在數據集的初始檢查中非常有用，它是缺失數據模式平台。 以下示例使用小數據集，但您會發現此工具在檢查大數據集時最有價值。 圖 9 顯示了一個包含 5 個變量、25 行和 18 個缺失值的數據表。
圖 9 JMP：具有缺失值的數據表
表格菜單下的缺失數據模式工具將通過新的 JMP 數據表匯總數據中的“缺失”。 圖 10 顯示了結果表以及隨附的單元格圖。
圖 10 JMP：缺失數據模式
這個新數據表描述了數據中的缺失數據模式。 特別是，有 15 行沒有缺失值；一行在變量 Y5 中有缺失值；四行在變量 Y3 中有一個缺失值；兩行在 3 個變量（Y3、Y4 和 Y5 等）中有一個缺失值。 突出顯示此缺失數據模式表中的一行將突出顯示原始數據表中具有該缺失數據模式的所有行。 這允許您在未來的分析中隱藏和/或排除該數據，或生成行狀態，例如分配要在圖形中顯示的唯一符號。 在分析>篩選菜單下有一個名為探索缺失值的相關平台，該平台提供了處理缺失數據的其他工具，包括用於查找變量和行中缺失模式之間的共性的統計技術以及估算缺失數據的能力用估計值替換它們。
創建新變量
Minitab 和 JMP 都允許創建新變量。 例如，這些新變量可以是使用數據表中的其他變量或邏輯條件參數的簡單算術運算。
Minitab
新變量是通過計算菜單下的計算器工具在 Minitab 中創建的。 圖 11 說明瞭如何根據變量“水分含量”的值創建新的文本變量，結果保存在 C9 列中。
圖 11 Minitab：計算器
JMP
要在 JMP 中創建新變量，請通過突出顯示列並選擇列 > 公式來訪問該新列的公式工具。 也可以通過右鍵單擊列並從菜單中選擇“公式”來訪問它。 在圖 12 中，公式工具用於根據條件參數創建相同的文本變量。 請注意，有一個預覽功能可用，可讓您在創建公式時查看應用該公式的結果。
圖 12 JMP：公式
JMP 的公式工具還可用於使用模式序列、來自其他列的隨機樣本或指定的概率分佈來創建新變量。 在 Minitab 中，需要訪問其他工具來生成這些類型的操作。
數據過濾器和行狀態
Minitab
在 Minitab 中執行分析時，包含該分析數據的工作表將處於活動狀態。 如果要對父數據集的子集執行分析，很可能需要創建一個僅包含該數據子集的新工作表。 如果發現異常值並需要從未來的分析中排除，則需要創建另一個沒有這些數據點的新工作表。 因此，通常必須在一個項目文件中管理多個工作表。
JMP
如前所述，也可以在 JMP 項目文件中設置多個數據表。 相反，數據過濾器和行狀態操作可用於定義特定數據以基於特定分析，從而導致許多用戶選擇從一個數據表進行所有分析。 這些數據過濾器和行狀態可以隨時保存和訪問。
我們將使用糧食產量數據。
圖 13A 顯示了選擇了 GeoLocations 和 C 的數據表。 這是通過單擊數據表左上角的小直方圖圖標打開標題圖來完成的，然後只需選擇這些地理位置。 標題圖是一種方便的工具，可在每列頂部顯示變量的高級摘要（例如，連續變量的直方圖和最小值/最大值，分類變量的條形圖）。 圖 13B 顯示了選擇工具行 > 隱藏和排除時的結果。 在此行狀態處於活動狀態時執行的任何分析都不會在計算中包括地理位置 A 和 C，也不會出現在任何圖形顯示中。 其他選項包括在計算中使用選定的數據但不在圖表中顯示（僅隱藏）或在圖表中顯示數據但不在計算中使用（僅排除）。 可以通過再次選擇行>隱藏和排除或行>清除行狀態來關閉此行狀態。
圖 13A JMP：選擇的行
圖 13B JMP：隱藏/排除
全局數據過濾器是另一個用於定義數據子集的有用工具。 通過選擇 Rows>Data Filer 可以訪問此工具。 圖 14 顯示了打開的數據過濾器，其中選擇了 GeoLocations B 和 D。 在這裡，我們打開了複選框 Show 和 Include，然後選擇了我們想要使用的 GeoLocations。 數據過濾器可以包含許多變量，並且可以使用分類變量和連續變量。 這個數據過濾器可以保存到數據表中，可以隨時清除行狀態然後再次訪問。
圖 14 JMP：全局數據過濾器
其他特徵可以設置為行狀態。 例如，您可能希望分析中生成的所有圖形對不同的地理位置使用不同的顏色。 可以通過“行”>“顏色”或“按列標記”來設置此首選項。 圖 15 是結果數據表，顏色顯示為行狀態。 在此行狀態激活的情況下創建的任何圖形顯示都將使用此顏色編碼。 該行也可以隨時保存和訪問。
圖 15 JMP：顏色行狀態
JMP 中的本地數據過濾器提供了另一種處理數據子集的方法。 這種方法提供了一種交互式工具，可以在選擇不同的數據子集時立即查看分析結果的變化。 本地數據過濾器位於分析報告窗口頂部的紅色三角形下方。 圖 16 顯示了使用所有數據（左）進行回歸分析的結果，然後相同的輸出根據從本地數據過濾器中僅選擇地理位置 A 發生變化。 請注意，數據點使用的是我們在圖 15 中設置的顏色行狀態。
圖 16 JMP：本地數據過濾器
描述性統計
Minitab 和 JMP 都能夠計算描述數據特徵的匯總統計量。
我們將使用糧食產量數據。
Minitab
在 Minitab 中有幾種方法可以生成描述性統計量（例如，在統計菜單下顯示描述性統計量、存儲描述性統計量和圖形匯總）。 也可以使用表格工俱生成描述性統計信息，我們將在此處進行說明。 圖 17 顯示了計算每個 GeoLocation/Year 組合的 Yield 的樣本平均值和样本標準偏差的步驟以及結果表。
圖 17 Minitab：通過表格的描述性統計
如果需要不同的匯總統計，或者要使用不同的分類和/或關聯變量，則重新啟動表>描述性統計工具，更新對話框，並重新運行分析。
JMP
JMP 還可以通過多種方式計算描述性統計量，包括分佈平台、圖形生成器、列查看器以及通過列公式。 與使用 Minitab 顯示的內容類似，我們說明瞭如何通過分析>製表平台計算匯總統計量。
啟動 Tabulate 平台會打開如圖 18A 所示的窗口。 變量被簡單地放置到不同的角色中來創建表。 可以移動這些變量以更改表格的顯示方式。 可以刪除、添加變量、計算新的統計數據，以及在進行這些更改時立即更新表的其他功能。 將其視為您創建所需表格的空白畫布。
圖 18A JMP：通過表格的描述性統計
圖 18B 顯示了創建表格的步驟，該表格顯示了年份和地理位置的 6 種不同組合的收益率的平均值和標準偏差。
我們首先將 Yield 放入結果單元格放置區域。 默認值是將該變量的總和（默認統計量）顯示為單個單元格（圖 18B 中的左上角圖像）。 注意：您還可以選擇通過首選項（JMP > 首選項 > 平台 > 製表）默認顯示均值和標準差。
在這種情況下，我們將通過從顯示單詞 sum 的單元格頂部的列表中拖動這兩個統計數據來替換與平均值和標準偏差的總和。 該表將更新，用均值和標準差（圖 18B 中的右上角圖像）替換總和統計量。
分類變量（Year 和 GeoLocation）被簡單地放入所需的位置。 將年份放置為行（圖 18B 中的左下角圖像），將 GeoLocation 放置為列（右下角圖像）。
圖 18B JMP：通過表格的描述性統計
通過將變量移動到不同的拖放區，可以輕鬆更改此表以創建不同的視圖。 圖 18C 顯示了當變量 GeoLocation 移動到 Year 內的另一個行變量時的結果表。
圖 18C JMP：通過表格的描述性統計
通過選擇紅色三角形下的“製作為數據表”，可以將此匯總統計表製作為 JMP 數據表以供進一步分析。 圖 18D 顯示了結果數據表。
圖 18D JMP：通過製表的描述性統計——創建數據表
繪圖
Minitab 和 JMP 以截然不同的方式繪製數據；這是 JMP 新用戶將體驗到的兩個軟件之間更顯著的差異之一。
我們將使用糧食產量數據。
Minitab
要在 Minitab 中創建圖形，必須首先確定需要哪個圖形，然後從“圖形”菜單中選擇它。 圖 19 顯示了該菜單下可用的圖表列表。
圖 19 Minitab：圖形菜單
我們將通過創建散點圖來說明在 Minitab 中創建圖形的過程。 啟動散點圖工具時，會出現一個屏幕（圖 20A 中的左圖）。 此時，用戶必須選擇散點圖選項之一。 在本例中，選擇了簡單。 然後出現一個對話框，輸入要在 Y 軸和 X 軸上繪製的變量（圖 20A 中的右圖）。
圖 20A Minitab：散點圖
Scale、Labels、Data View、Multiple Graphs 和 Data Options 按鈕提供了額外的選項。 圖 20B 顯示了未選擇其他選項時的結果圖。
圖 20B Minitab：散點圖
通過啟動右上角下拉菜單下的“編輯圖形”工具，可以編輯圖形的一些元素（例如，更改點的顏色）。
要使圖 20C 中顯示的散點圖對 4 個地理位置中的每一個都有單獨的回歸線，需要創建一個全新的圖形。 這將通過重新啟動散點圖工具並從圖 20A 所示的對話框中選擇“With Regression and Groups”來完成。
圖 20C Minitab：散點圖
要使用相同的數據創建完全不同類型的圖表（例如，比較箱線圖等），則用戶將返回至圖表菜單，啟動特定的繪圖工具並指定適當的選項。 以圖形方式探索數據的每次迭代通常都需要這種方法，直到生成所需的圖形。
JMP
JMP 創建圖形的方法與 Minitab 非常不同。 儘管 JMP 中提供了跨每個分析平台創建圖形的工具，但我們將說明如何通過強大的圖形生成器平台創建可視化。 該工具旨在與人們在實踐中探索和分析數據的典型方式相匹配。 在啟動 Graph Builder 平台（Graph > Graph Builder）後，顯示開始於可以被認為是空白畫布和圖形調色板的內容（圖 21A）。
圖 21A JMP：圖形生成器
通過將變量放入不同的角色並選擇所需的圖形顯示來創建圖形。 例如，如果將變量水分含量放入 Y 區域，JMP 將首先顯示點圖（圖 21B）。
圖 21B JMP：圖形生成器 - 點圖
如果不是點圖，而是需要不同的圖形（例如，箱線圖），只需從頂部的圖形調色板中選擇該選項，圖形就會立即改變。 圖 21C 顯示了一個圖表，其中選擇了點圖和箱線圖。
圖 21C JMP：圖形生成器 - 點圖和箱線圖
如果在 X 區域中放置另一個連續變量，JMP 會自動將圖形更改為散點圖。 圖 21D 顯示了包含回歸線的此類圖的示例。
圖 21D JMP：圖形生成器 - 帶回歸線的散點圖
對於所選的每種類型的圖形，左側會顯示工具和選項以進一步改變或擴充圖形。 例如，將等式、95% 置信區間和 RSquared 值添加到圖形中。
如果需要，在此過程中創建的每一個圖表都可以保存到數據表中。 或者，分析師可以繼續直觀地探索數據。 圖 21E 顯示瞭如果將變量 GeoLocation 放入 Wrap 放置區，圖形將如何變化。
圖 21E JMP：圖形生成器 - 帶有回歸線的單個散點圖
如果 GeoLocation 從 Wrap 放置區移動到 Overlay 放置區，並且顯示方程和 RSquared 的選項被關閉，則圖形將更改為圖 21F 中所示的圖形。
圖 21F JMP：圖形生成器 - 帶有重疊回歸線的散點圖
將光標懸停在其中一個軸上，指針會變為手形符號，從而提供一種移動和/或重新縮放軸的簡單方法。 雙擊軸會顯示一組工具來進一步改變圖形，例如從線性標度更改為對數標度。
右鍵單擊圖形會顯示一個包含其他工具的菜單來更改顯示，例如更改使用的顏色和符號。
這個過程說明了每個軟件如何進行圖形分析的根本區別。 在 Minitab 中，選擇圖形類型和選項，而無需查看這些選項的作用。 在 JMP 中，您可以交互式地構建圖形，查看每個選擇將如何改變和增強圖形。 這導致對數據的更有效和更豐富的探索，使您能夠快速生成無數圖表以發現數據中的特徵並創建最能傳達您的發現的可視化。
JMP 的本地數據過濾器和列切換器是兩個非常強大的工具，可以極大地增強可視化探索數據。 插圖與廣告實驗數據。
使用 JMP 的動態鏈接數據，可以切換新變量和/或過濾數據，並且圖表將立即更新以反映這些變化。 圖 22 顯示了變量 WS1 的比較點圖，其中四個不同類別的變量廣告樣式具有 95% 的置信區間。 在左上角看到的列切換器的設置使分析人員可以簡單地選擇（或播放）9 個其他可能的結果變量以顯示在 Y 軸上。 本地數據過濾器也是使用解釋因素促進（三個級別）和時間段（10 個級別）設置的。 分析師可以通過這些變量對數據進行子集化。 對於每個選擇，圖形將立即更新以顯示 Y 軸的選定變量，並僅包含使用本地數據過濾器選擇的數據。 在 Minitab 中，必須為這些變量的每個可能組合單獨創建一個新圖。
圖 22 JMP：列切換器和本地數據過濾器
JMP 包含許多當前 Minitab 中不可用的圖形工具。 這些極大地擴展了您探索和呈現數據的能力。 圖 23A-J 顯示了這些可視化中的一些。
圖 23A JMP：Hover Graphlet
圖 23B JMP：圖像標籤
圖 23C JMP：地理地圖
圖 23D JMP：運動氣泡圖
圖 23E JMP：相關色圖
圖 23F JMP：基於形狀的熱圖
圖 23G JMP：密度等值線圖
圖 23H JMP：詞云
圖 23I JMP：比較直方圖
圖 23J JMP：按比例縮放的平行圖
圖 23K JMP：馬賽克圖
圖 23L JMP：非線性函數擬合
單變量分析
Minitab 和 JMP 運行統計分析的方法完全不同。 我們將逐步分析每個軟件的單個連續變量，以證明這些差異。
我們將使用酸奶生產數據。
Minitab
在 Minitab 中，圖形匯總工具是分析單個變量的有用方法。 要運行此分析，請在“統計”菜單中選擇此工具。 將出現一個對話框，用於選擇要對其執行分析的變量。 圖 24A 顯示了運行分析的步驟，24B 顯示了結果輸出。 圖中顯示的正態分佈曲線是此輸出中唯一可以顯示的分佈。 使用其他概率分佈需要 Minitab 中的不同工具。
圖 24A Minitab：圖形摘要
圖 24B Minitab：圖形摘要
如果需要不同於顯示的統計數據，則需要啟動不同的工具（統計 > 基本統計 > 顯示描述性統計）並選擇這些選項。 現在顯示步驟和輸出。
圖形摘要顯示 Anderson-Darling 正態性檢驗的結果。 如果您想檢查概率圖和/或經驗累積分佈函數圖以配合測試，則需要使用兩種不同的附加工具（統計 > 基本統計 > 正態性測試和圖 > 經驗 CDF）來完成。 該過程類似於運行任何其他分析。 啟動該工具時會出現一個對話框，供用戶指定要運行分析的變量並選擇選項。 圖 25A 顯示了運行正態性檢驗分析的步驟，25B 顯示了結果輸出。
圖 25A Minitab：正態性檢驗
圖 25B Minitab：正態性檢驗
要創建 CDF 圖，將啟動不同的工具（Graph>Empirical CDF）並運行分析（現在顯示步驟和輸出）。
例如，如果正態分佈不是用於變量的好模型，則可能需要評估其他分佈。 該評估在不同的工具中執行（統計>質量工具>個體分佈識別）（未顯示步驟和輸出）。
假設分析的下一步是對總體均值執行假設檢驗。 為此，需要訪問另一個工具（統計 > 基本統計 > 1 樣本 t）（未顯示步驟和輸出）。 要執行關於方差的假設檢驗，使用新工具的相同過程（統計 > 基本統計 > 1 方差）
分析單個連續變量的其他常見分析包括：等價性測試、公差區間、預測區間、能力分析等。 每個都需要在 Minitab 中使用不同的工具，每個工具都會產生單獨的輸出。 目前，Minitab 無法生成預測區間，因此這實際上需要手動創建公式。
JMP
JMP 採用非常不同的單變量分析方法，更符合探索和分析數據的自然工作流程。 JMP 有一個平台（分析 > 分佈）可以執行上一節中提到的所有分析。 該平台通過從菜單中選擇它並完成一個對話框來訪問，如圖 26A 所示。 圖 26B 顯示了初始輸出。
圖 26A JMP：分佈
圖 26B JMP：分佈
初始輸出提供數據的圖形和數字顯示，包括直方圖、箱線圖、匯總統計和平均值的置信區間。 單擊匯總統計表頂部的紅色三角形可以訪問一組工具來更改顯示的統計。
在許多其他分析中提到的所有分析都可以在這個報告窗口內進行。 這些都是通過變量名稱旁邊的紅色三角形訪問的。 這些上下文菜單為您提供了一組分析，接下來將在您的分析工作流程中考慮這些分析。 圖 27 顯示了該菜單以及選擇的連續擬合>正態分析。
圖 27 JMP：分佈
圖 28A 到 28K 顯示了連續擬合和對這些數據執行的所有其他單變量分析的結果，每組新輸出都添加到一個報告窗口中，以便於比較。
圖 28A JMP：分位數圖和分佈擬合
圖 28B JMP：擬合優度
圖 28C JMP：CDF 圖
圖 28D JMP：交互式分佈分析器
圖 28E JMP：交互式分位數分析器
圖 28F JMP：檢驗均值
圖 28G JMP：測試標準偏差
圖 28H JMP：預測區間
圖 28I JMP：公差區間
圖 28J JMP：等效性檢驗
圖 28K JMP：能力分析
額外的交互式工具可以通過“假設”場景帶來更高級別的分析功能。 圖 29A – 29C 顯示了其中的三個（p 值動畫、功率動畫和能力動畫）。 除了幫助更好地理解所研究的過程之外，這些交互式工具還提供了一種理解或教授統計概念的好方法。
圖 29A JMP：p 值動畫
圖 29B JMP：強力動畫
圖 29C JMP：交互能力圖
此交互式報告中還提供了本地數據過濾器和列切換器。 圖 30 顯示了為 7 條生產線設置的列切換器和為批號設置的本地數據過濾器。 您現在可以選擇要包含在分析中的生產線和批次，所有數字和圖形輸出都會立即更新。 使用 Minitab，希望分析的每個結果變量和/或數據子集都需要跨所有各種工具重新運行每一個分析，從而創建大量報告以進行管理。
圖 30 JMP：列切換器和本地數據過濾器
保存和共享結果
Minitab
每次在 Minitab 中執行分析時，輸出將作為單獨的元素放置在導航器窗格中。 保存項目文件會將所有這些輸出元素與所有工作表一起保存到項目文件中。 單個輸出也可以保存為圖像文件（例如，.png、.jpg）並放置到其他應用程序中。
JMP
有多種方法可以在 JMP 中保存分析結果。 其中包括保存為交互式 .html 文件、JMP 日誌文件、放置到其他應用程序中的圖像文件，甚至通過以下方式發佈到私人安全儀表板。 JMP Live 提供了在 JMP 之外查看報告並與之交互的能力。 我們將說明將報告作為腳本保存到數據表中，因為這是您保存分析工作的最常用方式。
在報告中，選擇報告窗口左上角紅色三角形下的保存腳本 > 到數據表（圖 31A）。
圖 31A JMP：將腳本保存到數據表
保存的腳本將出現在數據文件窗口的左上角窗格中（圖 31B）。
圖 31B JMP：保存的腳本
單擊綠色三角形將重新運行保存的腳本以執行與該報告相關的所有分析。 這允許您對修改後的數據集重新運行全套分析（例如，刪除/添加數據、重新編碼值、通過全局數據過濾器設置子集、新行狀態）。 腳本可以在窗格中重新排序或組合在一起，以幫助管理您的分析工作。
單因素分析
Minitab 和 JMP 都有執行單因素分析的工具（例如，簡單的線性
回歸、簡單邏輯回歸、單向方差分析和卡方檢驗
比較比例）。 與單變量分析類似，它們處理
分析的執行方式非常不同。
我們將使用片劑生產數據來說明其中的一些分析。
Minitab
在 Minitab 中執行單因素分析時，會啟動相應的工具（例如，統計 > 回歸 > 擬合線圖）。 在對話框中指定適當的變量並選擇其他選項。 生成輸出並放置在輸出窗口中。 例如，考慮檢查簡單線性回歸的輸出，需要在圖中添加置信區間，或檢查殘差圖，或者可能需要將變量之一的比例從線性更改為對數或也許一起使用不同的響應或預測變量。 需要重新啟動擬合線圖工具，更改選項，然後創建一組新的輸出。 Minitab 中的每組輸出主要是靜態的，只允許進行少量更改。
不同的單因素分析（例如，邏輯回歸、方差分析、卡方檢驗）需要使用其他工具。
JMP
在 JMP 中，所有單因素分析都在一個平台上執行，Analyze>Fit Y by X。圖 32A 顯示了該平台的對話框。 選擇 Y，響應變量和 X，因子後，JMP 會自動確定正確的分析。
為了說明 JMP 如何同時執行多個分析，我們為 Y 選擇了兩個變量，響應（溶出度，一個連續變量；批次接受度，一個二元變量）和兩個變量作為因子（API 粒度，一個具有三個水平；研磨時間，連續變量）。
JMP 將創建四種不同的分析：
- 溶出度與 API 粒徑的單向方差分析。
- 溶解度與研磨時間的簡單線性回歸。
- 批次驗收與 API 粒度的列聯表分析。
- 批次驗收與軋機時間的簡單邏輯回歸
圖 32A JMP：用 X 擬合 Y
與 JMP 中的許多其他平台一樣，按 X 擬合 Y 具有分析能力，包括分類按變量，為該變量的每個級別運行單獨的分析。 模型也可以擬合為觀測值分配加權值。 該平台還可用於匯總頻率/表格格式的數據。
這四種分析的初始輸出如圖 32B 所示。 注意：行狀態的設置使得滿足溶出度≥70 規格的批次用綠色編碼，那些 < 70 用紅色編碼。
每個分析旁邊是一個紅色三角形熱點，它顯示一個上下文菜單，其中包含 JMP 推薦的工具，作為整體分析中可能的後續步驟。 由於執行了四種不同的統計分析技術，因此每個菜單下都有四組不同的工具。 圖 33 顯示了這些上下文菜單中的每一個。 您現在已準備好選擇分析工作流程中的下一步。 每次後續分析都會生成另一組輸出，添加到報告中，並帶有一個新的紅色三角形熱點，提供額外的選項。
圖 32B JMP：按 X 擬合 Y 報告
圖 33 JMP：按 X 匹配 Y 上下文菜單
為了說明分析如何在“按 X 擬合 Y”平台中展開，選擇了“按研磨時間對溶解度的雙變量擬合”紅色三角形下的擬合線選項。 圖 34 顯示了現在基於該選擇添加到報告中的輸出。
圖 34 JMP：線性回歸擬合
請注意，所選線性擬合旁邊出現了一個新的紅色三角形熱點。 圖 35 顯示了該上下文菜單下的可用選項。 在這裡，您可以看到用於向圖形添加置信度或預測區間、創建殘差圖、將值保存到數據表等的選項。
圖 35 JMP：線性擬合上下文菜單
如圖 33 中的雙變量擬合菜單所示，可以擬合和比較其他模型。 例如：多項式、樣條、正交、非參數密度和穩健回歸。 轉換在 Fit special 下可用。 圖 36 顯示了這些選項。
圖 36 JMP：轉型
當您探索和比較不同的模型選擇時，可以在報告中添加或刪除正在考慮的每個模型擬合，以找到最適合數據的模型。 圖 37 顯示了添加了二次擬合和非參數密度的顯示。
圖 37 JMP：比較模型
如果您希望更改使用的變量或選擇數據的子集作為分析的基礎，則可以訪問本地數據過濾器和列切換器。 所有輸出將立即更新以反映這些選擇。 無需像使用 Minitab 那樣將數據子集化到新數據表中並重新運行分析。
正如這個例子再次說明，在 JMP 中分析數據不僅僅是簡單地對數據集執行特定的統計技術並觀察輸出的靜態集合。 這些平台旨在遵循與您在實踐中分析數據的方式相一致的自然分析工作流程。 您探索、與數據和結果交互、更改變量、過濾數據、嘗試不同的模型選項，每個結果都會導致分析步驟序列中的下一個邏輯步驟。
多變量統計模型
構建涉及許多變量的統計模型可能是最強大和最常用的分析類型。 構建這些模型通常有四個目的：
- 用於檢驗特定假設。
例子：與安慰劑相比，藥物治療 A 是否使 70 歲以上男性的康復率降低了至少 15%？ 對女性的效果一樣嗎？
- 從與結果最相關的眾多變量中找出少數變量。
例子：與社區的不良健康結果最相關的關鍵社會經濟條件是什麼？
- 定量描述變量之間的關係。
例子: 當加工溫度升高 5 時，溶液的粘度會降低多少0 C和處理時間增加10分鐘？
- 創建一種方法來預測結果。
例子：客戶有興趣了解基於客戶特徵和當前抵押貸款的新抵押貸款再融資計劃的可能性有多大？
模型的主要目標可能只是其中之一、部分甚至全部。 選擇的建模技術通常取決於這些目標中的哪一個最重要。
Minitab
Minitab v19 具有三種多變量建模技術：
· 廣義線性模型（例如，方差分析、線性回歸、邏輯回歸）
· 分類和回歸樹
· 判別分析
與執行單因素分析類似，構建多變量統計模型需要首先選擇適合情況的建模類型（例如，Stat>ANOVA>General Linear Model）。 在對話框中，用戶然後指定要包含的變量和任何其他相關選項。
運行分析時生成輸出並放置在輸出窗口中。 在構建統計模型的過程中，分析師通常需要擬合許多不同的模型，每個模型包括一組不同的變量和模型項，直到確定最終模型。 如果決定從模型中刪除變量或項，則會重新啟動對話框，進行更改並重新運行分析。 考慮的每個可能的模型必須單獨運行，每個模型產生不同的輸出集。 與 Minitab 中的大多數分析結果一樣，數值和圖形輸出大多是靜態的，只有幾個選項可以進行更改。 例如，如果希望從數據中刪除一些觀察值，則必須創建一個新工作表並再次運行所有模型。
JMP 和 JMP Pro
JMP 和 JMP Pro v16 具有以下多變量建模技術以及每種技術中的許多變體。
· 廣義線性模型（例如，方差分析、線性回歸、邏輯回歸）
· 分區（決策樹）
· 神經網絡
· 判別分析
· Bootstrap 森林 *
· 提升樹 *
· K 最近鄰 *
·樸素貝葉斯*
· 支持向量機 *
* 僅限 JMP Pro
除了這些，JMP 和 JMP Pro 中還有其他建模技術。 它們通常用於更專業的應用程序，而不是用於一般建模目的，因此未在上面列出（例如，社會科學中的結構方程模型；用於消費者研究的 Uplift、Choice 和 MaxDiff；功能數據瀏覽器對函數、信號數據進行建模，或系列）。
JMP 的每個建模平台也有許多關於估計方法和模型擬合規範的選項。 這些提供了生成更多模型以考慮並允許處理複雜情況（例如，加權最小二乘法、懲罰回歸、信息缺失、K 折交叉驗證等）的更大能力的能力。
我們將通過使用以下方法擬合邏輯回歸模型來說明 JMP Pro 中的模型構建過程按揭再融資外展數據。
邏輯回歸模型：
在 JMP 中，所有線性模型都是使用分析菜單下的擬合模型平台創建的。 這個平台允許您通過在個性下拉菜單下選擇所需的選項，從各種模型形式和模型擬合技術中進行選擇。 圖 38 顯示了 JMP（左）和 JMP Pro（右）中可用的選項。
圖 38 JMP 和 JMP Pro：擬合模型 - 個性
圖 39A 顯示了“擬合模型”平台的對話框，其中添加了結果變量和模型項。 在這裡，我們擬合了一個僅主效應模型。 可以選擇包括交互項、二次效應、將項定義為：（交叉或嵌套）和（固定或隨機）。 我們還包括一個驗證列。 此列將數據隨機分配為：75% 訓練和 25% 驗證。 JMP 將僅使用訓練數據來擬合模型。 驗證數據將用於評估擬合模型的預測能力。 這種方法可以幫助避免模型過度擬合數據的不良結果。
圖 39A JMP Pro：適合模式
運行分析後，JMP 將生成名義邏輯回歸報告。
與 JMP 的所有分析輸出一樣，最好將報告視為交互式平台而不是靜態輸出。 例如，可以從擬合模型中刪除模型項，而無需返回“擬合模型”對話框進行更改並重新運行分析。 圖 39B 顯示了報告中的 Effect Summary 表，其中包含變量年齡被選中。
圖 39B JMP Pro：擬合模型 - 名義 Logistic 回歸的效果匯總
圖 40 顯示了頂部紅色三角形下可用的選項。
圖 40 JMP Pro：擬合模型 - 名義 Logistic 回歸報告中的上下文菜單
圖 41A – 41D 顯示了在構建添加到報告中的邏輯回歸模型時檢查的一些常見輸出類型。
圖 41A JMP Pro：擬合模型 - 名義 Logistic 回歸報告中的混淆矩陣
圖 41B JMP Pro：擬合模型 - 名義 Logistic 回歸報告中的 ROC 曲線
圖 41C JMP Pro：擬合模型 - 名義 Logistic 回歸報告中的提升曲線
圖 41D JMP Pro：擬合模型 - 名義 Logistic 回歸報告中的刻畫器
當統計模型的主要目標僅用於預測並且方程不必具有可解釋係數的簡單形式時，應探索其他更複雜的模型。 JMP Pro 有一個非常強大的平台，稱為模型篩選，它可以使用各種技術擬合許多不同的模型，將結果一起呈現在一份報告中。 圖 42 顯示了該平台的對話框，其中包含分配給其角色的變量和選擇的一組模型類型。
圖 42 JMP Pro：模型篩選
圖 43 顯示了報告中生成的一些匯總結果，讓您可以輕鬆查看和比較模型性能。 請注意，Boosted Neural Network 模型對驗證數據的總體錯誤率最低 (16.0%)，Nominal Logistic 回歸為 19.2%。
圖 44 顯示了決策閾值工具，在我們在這裡所做的預測分類結果時，該工具對於評估很重要。 此工具提供了一種交互式方法，用於評估在您考慮不同概率閾值時每個模型的錯誤率如何變化。
每個模型平台都可以從此報告啟動，提供對每個模型可用的全套工具的訪問。
圖 43 JMP Pro：模型篩選 - 模型摘要
圖 44 JMP Pro：模型篩選 - 決策閾值
結論
Minitab 和 JMP 都為用戶提供了一個易於使用的點擊式環境來分析數據。 儘管它們都包含許多相同的統計技術，但您可以通過不同的方式訪問和使用它們。 例如：JMP 中的大多數單變量分析是在 Distribution 平台中執行的，而在 Minitab 中，根據要分析的特定數據類型和要選擇的統計技術，使用了許多不同的工具。 在 JMP 中，每個單變量分析的輸出都可以添加到同一個報告窗口中。
正如本轉換指南中所示，數據表、圖表和報告在 JMP 中動態鏈接，為您提供一個更具交互性的環境來探索和分析數據。 此功能允許您僅使用一個數據表和一組分析報告對各種數據子集進行一整套分析。 相比之下，Minitab 中的典型分析會話需要您管理許多不同的工作表和大量分析輸出。
JMP 通過圖形構建器直觀地探索數據的方法與 Minitab 處理數據圖形的方式截然不同。 正如我們在指南中所展示的，JMP 的圖形生成器允許您查看您正在考慮的每個選項如何改變可視化，為您提供一種動態方式來發現數據中的特徵和模式。
訪問jmp.com了解有關 JMP 功能的更多信息並查找學習資源，例如書籍、網絡研討會、白皮書、課程等。
關於作者
