随着越来越多的公司寻求让员工基于数据做出决策，易于使用的统计软件已成为几乎所有企业的必备工具。 全面的统计分析、构建复杂的描述性和预测性模型以及挖掘数据以发现见解不再仅由统计人员完成，而是由组织内许多职能领域的人员完成。 学术界也有类似的需求。 跨学科的课程和课程数量大幅增加，让学生接触统计科学的工具和技术。 交互式点击式软件可以大大降低学生培养必要技能和享受数据探索过程的障碍，而无需编程。
本白皮书探讨了两种流行的软件包——Minitab 和 JMP。 将说明两者之间的差异，目的是让有经验的 Minitab 用户更容易过渡到 JMP。 重点在于用户界面、工具的访问方式、分析的执行方式以及用户分析数据所遵循的一般工作流程。
Minitab 是一个基于图形用户界面 (GUI) 的统计软件程序，最初于 1978 年开发，作为支持介绍性统计课程的计算工具。 Minitab v19 于 2020 年 6 月发布，是本白皮书中的特色版本。
JMP 和 JMP Pro 也是基于 GUI 的软件，最初由 SAS 于 1989 年开发，用于支持工程师、科学家和研究人员在非编程、高度交互的环境中应用统计科学工具。 JMP 和 JMP Pro 用于广泛的行业和学科。 JMP 16 和 JMP Pro 16 于 2021 年 3 月发布，是本文中的特色版本。
由于这是一份过渡指南，而不是对其个人能力的全面介绍，因此我们无法在本白皮书中涵盖两者之间的所有差异。 访问minitab.com和jmp.com了解更多。
本文涵盖的主题包括：
白皮书全文如下。
（注意：您可以通过单击上面的超链接直接跳转到特定部分。）
介绍
随着越来越多的公司寻求让员工基于数据做出决策，易于使用的统计软件已成为几乎所有企业的必备工具。 全面的统计分析、构建复杂的描述性和预测性模型以及挖掘数据以发现见解不再仅由统计人员完成，而是由组织内许多职能领域的人员完成。 学术界也有类似的需求。 跨学科的课程和课程数量大幅增加，让学生接触统计科学的工具和技术。 交互式点击式软件可以大大降低学生在无需编程的情况下培养必要技能和享受数据探索过程的障碍。
本白皮书探讨了两种流行的软件包——Minitab 和 JMP。 将说明两者之间的差异，目的是简化有经验的 Minitab 用户过渡到 JMP 的过程。 重点在于用户界面、工具的访问方式、分析的执行方式以及用户分析数据所遵循的一般工作流程。
Minitab 是一个基于图形用户界面 (GUI) 的统计软件程序，最初于 1978 年开发，作为支持介绍性统计课程的计算工具。 在 90 年代中后期，随着从事质量计划（如 6 Sigma）的公司开始使用统计技术来提高其流程和产品的质量，它在行业中广受欢迎。 Minitab v19 于 2020 年 6 月发布，是本白皮书中的特色版本。
JMP 和 JMP Pro 也是基于 GUI 的软件，最初由 SAS 于 1989 年开发，用于支持工程师、科学家和研究人员在非编程、高度交互的环境中应用统计科学工具。 JMP 和 JMP Pro 用于广泛的行业和学科。 JMP 16 和 JMP Pro 16 于 2021 年 3 月发布，是本文中的特色版本。
由于这是一份过渡指南，而不是对其个人能力的全面介绍，因此我们无法在本白皮书中涵盖两者之间的所有差异。 访问www.minitab.com和www.jmp.com了解更多。
概述
尽管 Minitab 和 JMP 之间存在一些相似之处，但对于过渡到 JMP 的人来说，有一些重要的根本区别应该知道。
1.交互式分析输出。 在 JMP 中执行分析时，输出显示在交互式窗口中。 创建的所有分析输出，包括跨不同平台创建的输出，都相互动态链接并链接到数据表。 这允许用户直接与分析输出交互。 诸如删除/添加变量到模型、切换变量的角色和设置数据子集等更改可以直接从分析输出中完成，无需重新运行分析。 也可以对数据表进行更改（例如，添加/删除数据），并且所有输出都可以设置为自动更新。
Minitab 输出主要是静态的，没有跨不同的分析工具连接。 例如，要从模型中删除变量，需要重新启动分析工具，指定这些更改，然后重新运行分析。 在 Minitab 的许多工具中，对数据进行更改不会自动更新分析结果。
2. 上下文菜单。 JMP 中执行的每个分析输出都与对与该分析相关的一组工具的访问相关联。 通过这种方式，分析数据的方法本质上更具探索性和交互性，一次分析的结果将引导用户使用一组工具，这些工具被设计为分析工作流程的下一步。
Minitab 以更传统的批处理模式运行分析，用户通常必须决定执行哪种分析与查看数据中的特征完全分开。 选择工具后，会打开一个对话框。 变量被分配角色并选择选项。 运行分析会产生一组通常是静态的输出。 典型分析工作流程的下一步通常需要启动新工具，这需要另一轮指定变量角色和选项。
3. 定义用于分析的数据。 Minitab 中的典型方法是创建一个工作表，其中包含特定分析将基于的所有数据。 例如，如果需要对该数据的子集执行分析，通常需要执行操作（例如，子集、拆分工作表等）以创建新工作表。 如果发现异常值并且分析师希望在没有这些数据点的情况下查看结果，则通常需要创建另一个新工作表并再次运行分析。 这需要在典型的分析会话中管理许多工作表。
尽管也可以在 JMP 中处理多个数据表，但通常最容易使用数据过滤器和行状态操作来定义数据以作为特定分析的基础。 这些数据过滤器和行状态可以随时保存和访问，这允许分析人员拥有一个数据表，可以在该表上执行对该数据的各个子集的所有分析。
此外，即使在执行分析之后，JMP 中的本地数据过滤器工具也允许用户过滤数据。 例如，可以从数据表中的所有数据创建线性回归模型。 从回归分析输出中，可以启动本地数据过滤器，它会立即更改所选数据的不同子集的所有结果。
4. 同时进行多重分析。 JMP 的一个关键特性是它能够同时执行大量分析。 在 JMP 内的几乎所有分析平台中，都提供了“按变量”选项，允许针对该变量的每个级别执行分析。 例如，如果想要对一个分类变量的 10 个不同组中的每一个执行单独的假设检验，比较两个均值，则只需指定按变量即可。 Minitab 需要运行该分析 10 次。
JMP 平台还允许您通过简单地选择所有响应变量和因子来一起运行大量单独的分析。 例如，如果要对三个不同的响应变量和五个不同的解释因子进行每一种可能的单因子分析，则可以在一个步骤中执行所有 3x5=15 种不同的分析，包括基于数据类型的不同单因子分析技术。响应变量和因素。 方差分析、线性回归、逻辑回归和卡方分析都可以同时执行，结果显示在同一输出窗口中。 Minitab 需要使用不同的工具分别运行这些分析中的每一个。
JMP 拥有独特的平台，专为执行大量分析以及创建的自定义图形和输出而设计。 例如，可以对 50 个不同的过程变量执行多变量能力分析。 除了为 50 种不同的个人能力分析生成输出外，还将创建独特的图表和数字输出，将所有个人结果标准化，以便轻松比较这 50 个变量——真正的多变量分析。
JMP 中还有专门为需要大量分析的应用程序而设计的专用平台。 例如，在某些科学领域，一个人可能拥有一千个不同的响应变量和一个解释因子，这是非常典型的。 可以执行响应筛选分析，产生 1,000 个单独的单向方差分析。 结果（根据分析数量进行统计调整）使用一组定制的图形和数据表一起显示，这些图表和数据表旨在便于比较和后续分析。
5. 整合。 JMP 能够与外部计算环境集成，例如 SAS、MATLAB、R 和 Python。 通过 JSL（JMP 的脚本语言），分析师可以利用这些工具的强大功能，同时还可以在 JMP 的交互式 GUI 中工作。
Minitab 目前能够单独与 Python 集成，但不能与 SAS、R 或 MATLAB 集成。
6. 发布报告。 Minitab 和 JMP 都有用于在软件外部导出和保存报告的工具（例如，.jpg、Microsoft PowerPoint 和 Word）。 JMP 还可以生成交互式 .html 报告，允许其他人使用交互式工具在 JMP 之外查看分析报告，以进一步深入了解数据。 JMP 产品套件中的另一个产品是 JMP Live，它提供了额外的功能，用于在数据和模型更改时自动生成和共享更新仪表板的报告。
7. 统计分析技术。 尽管这两种软件都包含许多更常见的统计分析工具，但 JMP 和 JMP Pro 中提供了无数更高级的统计技术和数据管理工具，而 Minitab 中没有这些工具。 JMP 在特定统计分析技术中通常还具有更多选项和功能。 访问www.jmp.com了解更多。
数据集
本指南将使用各种数据集。 他们可以在这里找到.
文件格式
有经验的 Minitab 用户在学习 JMP 时可能首先注意到的一个区别是，不必在项目文件结构内工作。
Minitab 项目文件
Minitab 用户最熟悉以扩展名 .mpx 表示的 Minitab 项目文件。 在这个项目文件中，可以导入或创建多个工作表（即数据表）。 图 1 显示了一个包含四个工作表的示例 Minitab 项目文件。 显示分为三个窗格。 右下窗格显示活动工作表（完整 4 个数据）以及每个工作表底部的选项卡。 左窗格，称为导航器，显示已执行的分析和操作的列表（例如，产量和水分含量的图形摘要，……，拆分工作表）。 右上角的窗格是显示特定分析输出的输出窗口。 可以选择三种不同的视图（数据和输出、仅数据和仅输出）。 在此图中，选择了数据和输出视图。
图 1 Minitab：项目文件
选择的任何分析或操作都在活动工作表上执行。 如果用户希望对数据的子集执行分析，则需要从父工作表创建一个新工作表。 此处创建了一组工作表，使用数据>拆分工作表命令为四个地理位置（A、B、C 和 D）中的每一个创建了一个工作表。 要仅对一个 GeoLocations 执行分析，首先需要选择该工作表以使其成为活动工作表，然后再运行分析。
JMP 数据表文件
JMP 也可以在项目文件结构中使用。 首先，让我们看看 JMP 数据表文件是如何工作的，因为许多用户选择使用该类型的文件。 JMP 数据表文件以扩展名 .jmp 表示。
图 2 显示了 JMP 数据表文件的示例。 该文件有四个窗格。 数据表在右侧，行窗格在左下方，提供数据表中行的摘要，包括已选择、排除或隐藏的行数。 左中的列窗格显示数据表中的变量，标识该变量的属性，例如建模类型和标签的使用。 左上窗格显示已保存到此数据表文件的脚本。 运行和保存脚本的步骤将在后面的部分中显示。
在不同窗格中看到的红色三角形可以访问各种工具来对数据表、列或行执行操作。 通过单击列窗格中的列列表并将其拖动到所需位置，可以对数据表中的列重新排序。 可以在列菜单下或通过右键单击数据表中的列找到可以对列执行的更全面的工具和操作列表。
图 2 JMP：数据表
JMP 有一系列工具（我们将在后面说明），它们允许用户对数据的特定子集进行分析。 在许多情况下，您会发现以这种方式处理一个主数据表允许您执行所有所需的分析，而无需像 Minitab 中所要求的那样创建和管理多个数据表。
JMP 项目文件
JMP 项目文件是另一种有助于工作的文件结构。 项目文件为 JMP 提供单一界面，充当许多不同项目元素的容器。 它可以包含（或参考）数据表、分析脚本、JMP 期刊、报告以及非 JMP 元素，例如文档、数据文件等。
图 3A 是 JMP 项目文件的示例。
在此示例中，左侧显示了两个窗格。
内容：项目文件中包含的所有文件的列表，例如文件夹、JMP 数据表和其他非 JMP 文件（例如，.xls、.csv、.doc。 .ppt、.jpg 等）。 这里我们有一个文件夹、两个 JMP 数据表、一个 JMP 日志、两个 excel 文件和一个 word 文档。
工作区：当前正在显示的项目内容的分层列表。 在这里，我们有 JMP 日志和两个 JMP 数据表，以及与其中一个 JMP 数据表中的脚本相关联的分析报告。
窗口的选项卡式集合（工作区窗格中列出的每个元素对应一个窗口）组织在右侧。 这里我们有一个数据表作为活动窗口。 您应该将其识别为图 2 中所示的 JMP 数据表。
图 3A JMP：项目文件
每个窗格，包括任何选项卡，都可以移动以将显示重新配置为所需的视图。
图 3B 显示了一个项目示例，其中的选项卡已安排好，因此两个 JMP 数据表和日志直接放置在工作区和内容窗格的右侧，并选择显示其中一个。 右侧是两份分析报告，一份放在另一份之上。
图 3B JMP：项目文件
这种选项卡式可配置环境为用户提供了以最适合情况的任何方式显示、隐藏和显示项目文件内容的灵活性。
项目文件可以共享，包括非 JMP 文件在内的所有内容都将包含在内。
访问 jmp.com， jmp.com/帮助要么社区.jmp.com并搜索“项目”以查看资源列表，包括录音、教程、文档和用户讨论，以了解有关 JMP 项目功能的更多信息。
导入数据
通常，数据是在其他应用程序中生成的，而不是在统计软件中生成的。 例如，工程师可能会在 Excel 电子表格或中央数据库中记录实验数据，该数据库包含大量客户行为数据，需要从中检索和分析该数据的某些子集。 Minitab 和 JMP 都可以打开许多不同的文件类型，包括 .csv、.txt、.xls 等，并且每个都能够通过 ODBC（开放数据库连接）查询数据库。
JMP
JMP 能够打开 Minitab 无法打开的其他文件类型，例如 SAS、R、MATLAB、.html 和 .pdf 文件。 JMP 还可以使用 Internet Open 功能打开内置于网页中的表格。
JMP 还具有能够将多个文件合并到一个数据表中的附加优势。 图 4 显示了一个文件夹，其中包含与调查相关的不同文本文件的集合以及其中一个文件的内容。
图 4 JMP：导入多个文件
选择文件 > 打开多个，将启动一个导入向导，引导您完成将这些多个文件中的所有数据导入一个 JMP 数据表的过程。
要将 Minitab 文件中当前拥有的数据导入 JMP，最好先以 .xls、.csv 或 .txt 等格式保存 Minitab 工作表。 然后只需选择文件 > 在 JMP 中打开即可将该数据导入 JMP 数据表。 将启动导入向导以指定如何导入数据（例如，选择要导入的变量和行、包含/排除变量名称等）。
清理和格式化数据
Minitab 和 JMP 都有一组工具，允许用户清理和格式化数据以准备分析。
Minitab
Minitab 用于格式化、清理和准备数据的大多数工具都位于“数据”和“计算”菜单下。 图 5 显示了这些菜单下的工具列表。
图 5 Minitab：数据和计算菜单
选择工具后，将出现一个对话框，允许将变量置于不同的角色中，以描述要执行的特定操作集。
图 6 是 Minitab 排序工具对话框的示例。 在这里，我们选择根据将数据保存到同一工作表（即“在原始列中”）的 GeoLocation 变量按字母升序对所有数据进行排序。
图 6 Minitab：排序工具
JMP
大多数 JMP 用于格式化、清理和准备分析数据的工具都位于三个不同的菜单下：表、行和列（如图 7 所示）。
图 7 JMP：表、行和列菜单
图 8 是 JMP 排序工具的示例。 虽然对话框外观不同，操作名称不同，但大体的过程是非常相似的。
图 8 JMP：排序工具
您在 Minitab 中执行的所有数据操作操作也可以在 JMP 中执行。 只需稍加练习即可了解如何访问工具以及如何在对话框中指定所需的操作。
表格菜单中的一个 JMP 工具（在 Minitab 中不可用）在数据集的初始检查中非常有用，它是缺失数据模式平台。 以下示例使用小数据集，但您会发现此工具在检查大数据集时最有价值。 图 9 显示了一个包含 5 个变量、25 行和 18 个缺失值的数据表。
图 9 JMP：具有缺失值的数据表
表格菜单下的缺失数据模式工具将通过新的 JMP 数据表汇总数据中的“缺失”。 图 10 显示了结果表以及随附的单元格图。
图 10 JMP：缺失数据模式
这个新数据表描述了数据中的缺失数据模式。 特别是，有 15 行没有缺失值；一行在变量 Y5 中有缺失值；四行在变量 Y3 中有一个缺失值；两行在 3 个变量（Y3、Y4 和 Y5 等）中有一个缺失值。 突出显示此缺失数据模式表中的一行将突出显示原始数据表中具有该缺失数据模式的所有行。 这允许您在未来的分析中隐藏和/或排除该数据，或生成行状态，例如分配要在图形中显示的唯一符号。 在分析>筛选菜单下有一个名为探索缺失值的相关平台，该平台提供了处理缺失数据的其他工具，包括用于查找变量和行中缺失模式之间的共性的统计技术以及估算缺失数据的能力用估计值替换它们。
创建新变量
Minitab 和 JMP 都允许创建新变量。 例如，这些新变量可以是使用数据表中的其他变量或逻辑条件参数的简单算术运算。
Minitab
新变量是通过计算菜单下的计算器工具在 Minitab 中创建的。 图 11 说明了如何根据变量“水分含量”的值创建新的文本变量，结果保存在 C9 列中。
图 11 Minitab：计算器
JMP
要在 JMP 中创建新变量，请通过突出显示列并选择列 > 公式来访问该新列的公式工具。 也可以通过右键单击列并从菜单中选择“公式”来访问它。 在图 12 中，公式工具用于根据条件参数创建相同的文本变量。 请注意，有一个预览功能可用，可让您在创建公式时查看应用该公式的结果。
图 12 JMP：公式
JMP 的公式工具还可用于使用模式序列、来自其他列的随机样本或指定的概率分布来创建新变量。 在 Minitab 中，需要访问其他工具来生成这些类型的操作。
数据过滤器和行状态
Minitab
在 Minitab 中执行分析时，包含该分析数据的工作表将处于活动状态。 如果要对父数据集的子集执行分析，很可能需要创建一个仅包含该数据子集的新工作表。 如果发现异常值并需要从未来的分析中排除，则需要创建另一个没有这些数据点的新工作表。 因此，通常必须在一个项目文件中管理多个工作表。
JMP
如前所述，也可以在 JMP 项目文件中设置多个数据表。 相反，数据过滤器和行状态操作可用于定义特定数据以基于特定分析，从而导致许多用户选择从一个数据表进行所有分析。 这些数据过滤器和行状态可以随时保存和访问。
我们将使用粮食产量数据。
图 13A 显示了选择了 GeoLocations 和 C 的数据表。 这是通过单击数据表左上角的小直方图图标打开标题图来完成的，然后只需选择这些地理位置。 标题图是一种方便的工具，可在每列顶部显示变量的高级摘要（例如，连续变量的直方图和最小值/最大值，分类变量的条形图）。 图 13B 显示了选择工具行 > 隐藏和排除时的结果。 在此行状态处于活动状态时执行的任何分析都不会在计算中包括地理位置 A 和 C，也不会出现在任何图形显示中。 其他选项包括在计算中使用选定的数据但不在图表中显示（仅隐藏）或在图表中显示数据但不在计算中使用（仅排除）。 可以通过再次选择行>隐藏和排除或行>清除行状态来关闭此行状态。
图 13A JMP：选择的行
图 13B JMP：隐藏/排除
全局数据过滤器是另一个用于定义数据子集的有用工具。 通过选择 Rows>Data Filer 可以访问此工具。 图 14 显示了打开的数据过滤器，其中选择了 GeoLocations B 和 D。 在这里，我们打开了复选框 Show 和 Include，然后选择了我们想要使用的 GeoLocations。 数据过滤器可以包含许多变量，并且可以使用分类变量和连续变量。 这个数据过滤器可以保存到数据表中，可以随时清除行状态然后再次访问。
图 14 JMP：全局数据过滤器
其他特征可以设置为行状态。 例如，您可能希望分析中生成的所有图形对不同的地理位置使用不同的颜色。 可以通过“行”>“颜色”或“按列标记”来设置此首选项。 图 15 是结果数据表，颜色显示为行状态。 在此行状态激活的情况下创建的任何图形显示都将使用此颜色编码。 该行也可以随时保存和访问。
图 15 JMP：颜色行状态
JMP 中的本地数据过滤器提供了另一种处理数据子集的方法。 这种方法提供了一种交互式工具，可以在选择不同的数据子集时立即查看分析结果的变化。 本地数据过滤器位于分析报告窗口顶部的红色三角形下方。 图 16 显示了使用所有数据（左）进行回归分析的结果，然后相同的输出根据从本地数据过滤器中仅选择地理位置 A 发生变化。 请注意，数据点使用的是我们在图 15 中设置的颜色行状态。
图 16 JMP：本地数据过滤器
描述性统计
Minitab 和 JMP 都能够计算描述数据特征的汇总统计量。
我们将使用粮食产量数据。
Minitab
在 Minitab 中有几种生成描述性统计量的方法（例如，在统计菜单下显示描述性统计量、存储描述性统计量和图形汇总）。 也可以使用表格工具生成描述性统计信息，我们将在此处进行说明。 图 17 显示了计算每个 GeoLocation/Year 组合的 Yield 的样本平均值和样本标准偏差的步骤以及结果表。
图 17 Minitab：通过表格的描述性统计
如果需要不同的汇总统计，或者如果要使用不同的分类和/或相关变量，则重新启动表>描述性统计工具，更新对话框并重新运行分析。
JMP
JMP 还可以通过多种方式计算描述性统计量，包括分布平台、图形生成器、列查看器以及通过列公式。 与使用 Minitab 显示的内容类似，我们说明了如何通过分析>制表平台计算汇总统计量。
启动 Tabulate 平台会打开如图 18A 所示的窗口。 变量被简单地放置到不同的角色中来创建表。 可以移动这些变量以更改表格的显示方式。 可以删除、添加变量、计算新的统计数据，以及在进行这些更改时立即更新表的其他功能。 将其视为您创建所需表格的空白画布。
图 18A JMP：通过表格的描述性统计
图 18B 显示了创建表格的步骤，该表格显示了年份和地理位置的 6 种不同组合的收益率的平均值和标准偏差。
我们首先将 Yield 放入结果单元格放置区域。 默认值是将该变量的总和（默认统计量）显示为单个单元格（图 18B 中的左上角图像）。 注意：您还可以选择通过首选项（JMP > 首选项 > 平台 > 制表）默认显示均值和标准差。
在这种情况下，我们将通过从显示单词 sum 的单元格顶部的列表中拖动这两个统计数据来替换与平均值和标准偏差的总和。 该表将更新，用均值和标准差（图 18B 中的右上角图像）替换总和统计量。
分类变量（Year 和 GeoLocation）被简单地放入所需的位置。 将年份放置为行（图 18B 中的左下角图像），将 GeoLocation 放置为列（右下角图像）。
图 18B JMP：通过表格的描述性统计
通过将变量移动到不同的拖放区，可以轻松更改此表以创建不同的视图。 图 18C 显示了当变量 GeoLocation 移动到 Year 内的另一个行变量时的结果表。
图 18C JMP：通过表格的描述性统计
通过选择红色三角形下的“制作为数据表”，可以将此汇总统计表制作为 JMP 数据表以供进一步分析。 图 18D 显示了结果数据表。
图 18D JMP：通过制表的描述性统计——创建数据表
绘图
Minitab 和 JMP 以截然不同的方式绘制数据；这是 JMP 新用户将体验到的两个软件之间更显着的差异之一。
我们将使用粮食产量数据。
Minitab
要在 Minitab 中创建图形，必须首先确定需要哪个图形，然后从“图形”菜单中选择它。 图 19 显示了该菜单下可用的图表列表。
图 19 Minitab：图形菜单
我们将通过创建散点图来说明在 Minitab 中创建图形的过程。 启动散点图工具时，会出现一个屏幕（图 20A 中的左图）。 此时，用户必须选择散点图选项之一。 在本例中，选择了简单。 然后出现一个对话框，输入要在 Y 轴和 X 轴上绘制的变量（图 20A 中的右图）。
图 20A Minitab：散点图
Scale、Labels、Data View、Multiple Graphs 和 Data Options 按钮提供了额外的选项。 图 20B 显示了未选择其他选项时的结果图。
图 20B Minitab：散点图
通过启动右上角下拉菜单下的“编辑图形”工具，可以编辑图形的一些元素（例如，更改点的颜色）。
要使图 20C 中显示的散点图对 4 个地理位置中的每一个都有单独的回归线，需要创建一个全新的图形。 这将通过重新启动散点图工具并从图 20A 所示的对话框中选择“With Regression and Groups”来完成。
图 20C Minitab：散点图
要使用相同的数据创建完全不同类型的图表（例如，比较箱线图等），则用户将返回至图表菜单，启动特定的绘图工具并指定适当的选项。 以图形方式探索数据的每次迭代通常都需要这种方法，直到生成所需的图形。
JMP
JMP 创建图形的方法与 Minitab 非常不同。 尽管 JMP 中提供了跨每个分析平台创建图形的工具，但我们将说明如何通过强大的图形生成器平台创建可视化。 该工具旨在与人们在实践中探索和分析数据的典型方式相匹配。 在启动 Graph Builder 平台（Graph > Graph Builder）后，显示开始于可以被认为是空白画布和图形调色板的内容（图 21A）。
图 21A JMP：图形生成器
通过将变量放入不同的角色并选择所需的图形显示来创建图形。 例如，如果将变量水分含量放入 Y 区域，JMP 将首先显示点图（图 21B）。
图 21B JMP：图形生成器 - 点图
如果不是点图，而是需要不同的图形（例如，箱线图），只需从顶部的图形调色板中选择该选项，图形就会立即改变。 图 21C 显示了一个图表，其中选择了点图和箱线图。
图 21C JMP：图形生成器 - 点图和箱线图
如果在 X 区域中放置另一个连续变量，JMP 会自动将图形更改为散点图。 图 21D 显示了包含回归线的此类图的示例。
图 21D JMP：图形生成器 - 带回归线的散点图
对于所选的每种类型的图形，左侧会显示工具和选项以进一步改变或扩充图形。 例如，将等式、95% 置信区间和 RSquared 值添加到图形中。
如果需要，在此过程中创建的每一个图表都可以保存到数据表中。 或者，分析师可以继续直观地探索数据。 图 21E 显示了如果将变量 GeoLocation 放入 Wrap 放置区，图形将如何变化。
图 21E JMP：图形生成器 - 带有回归线的单个散点图
如果 GeoLocation 从 Wrap 放置区移动到 Overlay 放置区，并且显示方程和 RSquared 的选项被关闭，则图形将更改为图 21F 中所示的图形。
图 21F JMP：图形生成器 - 带有重叠回归线的散点图
将光标悬停在其中一个轴上，指针会变为手形符号，从而提供一种移动和/或重新缩放轴的简单方法。 双击轴会显示一组工具来进一步改变图形，例如从线性标度更改为对数标度。
右键单击图形会显示一个包含其他工具的菜单来更改显示，例如更改使用的颜色和符号。
这个过程说明了每个软件如何进行图形分析的根本区别。 在 Minitab 中，选择图形类型和选项，而无需查看这些选项的作用。 在 JMP 中，您可以交互式地构建图形，查看每个选择将如何改变和增强图形。 这导致对数据的更有效和更丰富的探索，使您能够快速生成无数图表以发现数据中的特征并创建最能传达您的发现的可视化。
JMP 的本地数据过滤器和列切换器是两个非常强大的工具，可以极大地增强视觉探索数据。 插图与广告实验数据。
使用 JMP 的动态链接数据，可以切换新变量和/或过滤数据，并且图表将立即更新以反映这些变化。 图 22 显示了变量 WS1 的比较点图，其中四个不同类别的变量广告样式具有 95% 的置信区间。 在左上角看到的列切换器的设置使分析人员可以简单地选择（或播放）9 个其他可能的结果变量以显示在 Y 轴上。 本地数据过滤器也是使用解释因素促进（三个级别）和时间段（10 个级别）设置的。 分析师可以通过这些变量对数据进行子集化。 对于每个选择，图形将立即更新以显示 Y 轴的选定变量，并仅包含使用本地数据过滤器选择的数据。 在 Minitab 中，必须为这些变量的每个可能组合单独创建一个新图。
图 22 JMP：列切换器和本地数据过滤器
JMP 包含许多 Minitab 当前不可用的图形工具。 这些极大地扩展了您探索和呈现数据的能力。 图 23A-J 显示了这些可视化中的一些。
图 23A JMP：Hover Graphlet
图 23B JMP：图像标签
图 23C JMP：地理地图
图 23D JMP：运动气泡图
图 23E JMP：相关色图
图 23F JMP：基于形状的热图
图 23G JMP：密度等值线图
图 23H JMP：词云
图 23I JMP：比较直方图
图 23J JMP：按比例缩放的平行图
图 23K JMP：马赛克图
图 23L JMP：非线性函数拟合
单变量分析
Minitab 和 JMP 运行统计分析的方法完全不同。 我们将逐步分析每个软件的单个连续变量，以证明这些差异。
我们将使用酸奶生产数据。
Minitab
在 Minitab 中，图形汇总工具是分析单个变量的有用方法。 要运行此分析，请在“统计”菜单中选择此工具。 将出现一个对话框，用于选择要对其执行分析的变量。 图 24A 显示了运行分析的步骤，24B 显示了结果输出。 图中显示的正态分布曲线是此输出中唯一可以显示的分布。 使用其他概率分布需要 Minitab 中的不同工具。
图 24A Minitab：图形摘要
图 24B Minitab：图形摘要
如果需要不同于显示的统计数据，则需要启动不同的工具（统计 > 基本统计 > 显示描述性统计）并选择这些选项。 现在显示步骤和输出。
图形摘要显示 Anderson-Darling 正态性检验的结果。 如果您想检查概率图和/或经验累积分布函数图以配合测试，则需要使用两种不同的附加工具（统计 > 基本统计 > 正态性测试和图 > 经验 CDF）来完成。 该过程类似于运行任何其他分析。 启动该工具时会出现一个对话框，供用户指定要运行分析的变量并选择选项。 图 25A 显示了运行正态性检验分析的步骤，25B 显示了结果输出。
图 25A Minitab：正态性检验
图 25B Minitab：正态性检验
要创建 CDF 图，将启动不同的工具（Graph>Empirical CDF）并运行分析（现在显示步骤和输出）。
例如，如果正态分布不是用于变量的好模型，则可能需要评估其他分布。 此评估在不同的工具中执行（统计>质量工具>个体分布识别）（未显示步骤和输出）。
假设分析的下一步是对总体均值执行假设检验。 为此，需要访问另一个工具（统计 > 基本统计 > 1 样本 t）（未显示步骤和输出）。 要执行关于方差的假设检验，使用新工具的相同过程（统计 > 基本统计 > 1 方差）
分析单个连续变量的其他常见分析包括：等价性测试、公差区间、预测区间、能力分析等。 每个都需要在 Minitab 中使用不同的工具，每个工具都会产生单独的输出。 目前，Minitab 无法生成预测区间，因此这实际上需要手动创建公式。
JMP
JMP 采用非常不同的单变量分析方法，更符合探索和分析数据的自然工作流程。 JMP 有一个平台（分析 > 分布）可以执行上一节中提到的所有分析。 该平台通过从菜单中选择它并完成一个对话框来访问，如图 26A 所示。 图 26B 显示了初始输出。
图 26A JMP：分布
图 26B JMP：分布
初始输出提供数据的图形和数字显示，包括直方图、箱线图、汇总统计和平均值的置信区间。 单击汇总统计表顶部的红色三角形可以访问一组工具来更改显示的统计。
在许多其他分析中提到的所有分析都可以在这个报告窗口内进行。 这些都是通过变量名称旁边的红色三角形访问的。 这些上下文菜单为您提供了一组分析，接下来将在您的分析工作流程中考虑这些分析。 图 27 显示了该菜单以及选择的连续拟合 > 正态分析。
图 27 JMP：分布
图 28A 到 28K 显示了连续拟合和对这些数据执行的所有其他单变量分析的结果，每组新输出都添加到一个报告窗口中，以便于比较。
图 28A JMP：分位数图和分布拟合
图 28B JMP：拟合优度
图 28C JMP：CDF 图
图 28D JMP：交互式分布分析器
图 28E JMP：交互式分位数分析器
图 28F JMP：检验均值
图 28G JMP：测试标准偏差
图 28H JMP：预测区间
图 28I JMP：公差区间
图 28J JMP：等效性检验
图 28K JMP：能力分析
额外的交互式工具可以通过“假设”场景带来更高级别的分析功能。 图 29A – 29C 显示了其中的三个（p 值动画、功率动画和能力动画）。 除了帮助更好地理解所研究的过程之外，这些交互式工具还提供了一种理解或教授统计概念的好方法。
图 29A JMP：p 值动画
图 29B JMP：强力动画
图 29C JMP：交互能力图
此交互式报告中还提供了本地数据过滤器和列切换器。 图 30 显示了为 7 条生产线设置的列切换器和为批号设置的本地数据过滤器。 您现在可以选择要包含在分析中的生产线和批次，所有数字和图形输出都会立即更新。 使用 Minitab，希望分析的每个结果变量和/或数据子集都需要跨所有各种工具重新运行每一个分析，从而创建大量报告以进行管理。
图 30 JMP：列切换器和本地数据过滤器
保存和共享结果
Minitab
每次在 Minitab 中执行分析时，输出将作为单独的元素放置在导航器窗格中。 保存项目文件会将所有这些输出元素与所有工作表一起保存到项目文件中。 单个输出也可以保存为图像文件（例如，.png、.jpg）并放置到其他应用程序中。
JMP
有多种方法可以在 JMP 中保存分析结果。 其中包括保存为交互式 .html 文件、JMP 日志文件、放置到其他应用程序中的图像文件，甚至通过以下方式发布到私人安全仪表板。 JMP Live 提供了在 JMP 之外查看报告并与之交互的能力。 我们将说明将报告作为脚本保存到数据表中，因为这是您保存分析工作的最常用方式。
在报告中，选择报告窗口左上角红色三角形下的保存脚本 > 到数据表（图 31A）。
图 31A JMP：将脚本保存到数据表
保存的脚本将出现在数据文件窗口的左上角窗格中（图 31B）。
图 31B JMP：保存的脚本
单击绿色三角形将重新运行保存的脚本以执行与该报告相关的所有分析。 这允许您对修改后的数据集重新运行全套分析（例如，删除/添加数据、重新编码值、通过全局数据过滤器设置子集、新行状态）。 脚本可以在窗格中重新排序或组合在一起，以帮助管理您的分析工作。
单因素分析
Minitab 和 JMP 都有执行单因素分析的工具（例如，简单的线性
回归、简单逻辑回归、单向方差分析和卡方检验
比较比例）。 与单变量分析类似，它们处理
分析的执行方式非常不同。
我们将使用片剂生产数据来说明其中的一些分析。
Minitab
在 Minitab 中执行单因素分析时，会启动相应的工具（例如，统计 > 回归 > 拟合线图）。 在对话框中指定适当的变量并选择其他选项。 生成输出并放置在输出窗口中。 例如，考虑检查简单线性回归的输出，需要在图中添加置信区间，或检查残差图，或者可能需要将变量之一的比例从线性更改为对数或也许一起使用不同的响应或预测变量。 需要重新启动拟合线图工具，更改选项，然后创建一组新的输出。 Minitab 中的每组输出主要是静态的，只允许进行少量更改。
不同的单因素分析（例如，逻辑回归、方差分析、卡方检验）需要使用其他工具。
JMP
在 JMP 中，所有单因素分析都在一个平台上执行，Analyze>Fit Y by X。图 32A 显示了该平台的对话框。 选择 Y，响应变量和 X，因子后，JMP 会自动确定正确的分析。
为了说明 JMP 如何同时执行多个分析，我们为 Y 选择了两个变量，响应（溶出度，一个连续变量；批次接受度，一个二元变量）和两个变量作为因子（API 粒度，一个具有三个水平；研磨时间，连续变量）。
JMP 将创建四种不同的分析：
- 溶出度与 API 粒径的单向方差分析。
- 溶解度与研磨时间的简单线性回归。
- 批次验收与 API 粒度的列联表分析。
- 批次验收与轧机时间的简单逻辑回归
图 32A JMP：用 X 拟合 Y
与 JMP 中的许多其他平台一样，按 X 拟合 Y 具有分析能力，包括分类按变量，为该变量的每个级别运行单独的分析。 模型也可以拟合为观测值分配加权值。 该平台还可用于汇总频率/表格格式的数据。
这四种分析的初始输出如图 32B 所示。 注意：行状态的设置使得满足溶出度≥70 规格的批次用绿色编码，那些 < 70 用红色编码。
每个分析旁边是一个红色三角形热点，它显示一个上下文菜单，其中包含 JMP 推荐的工具，作为整体分析中可能的后续步骤。 由于执行了四种不同的统计分析技术，因此每个菜单下都有四组不同的工具。 图 33 显示了这些上下文菜单中的每一个。 您现在已准备好选择分析工作流程中的下一步。 每次后续分析都会生成另一组输出，添加到报告中，并带有一个新的红色三角形热点，提供附加选项。
图 32B JMP：按 X 拟合 Y 报告
图 33 JMP：按 X 匹配 Y 上下文菜单
为了说明分析如何在“按 X 拟合 Y”平台中展开，选择了“按研磨时间对溶解度的双变量拟合”红色三角形下的拟合线选项。 图 34 显示了现在基于该选择添加到报告中的输出。
图 34 JMP：线性回归拟合
请注意，所选线性拟合旁边出现了一个新的红色三角形热点。 图 35 显示了该上下文菜单下的可用选项。 在这里，您可以看到用于向图形添加置信度或预测区间、创建残差图、将值保存到数据表等的选项。
图 35 JMP：线性拟合上下文菜单
如图 33 中的双变量拟合菜单所示，可以拟合和比较其他模型。 例如：多项式、样条、正交、非参数密度和稳健回归。 转换在 Fit special 下可用。 图 36 显示了这些选项。
图 36 JMP：转型
当您探索和比较不同的模型选择时，可以在报告中添加或删除正在考虑的每个模型拟合，以找到最适合数据的模型。 图 37 显示了添加了二次拟合和非参数密度的显示。
图 37 JMP：比较模型
如果您希望更改使用的变量或选择数据的子集作为分析的基础，则可以访问本地数据过滤器和列切换器。 所有输出将立即更新以反映这些选择。 无需像使用 Minitab 那样将数据子集化到新数据表中并重新运行分析。
正如这个例子再次说明，在 JMP 中分析数据不仅仅是简单地对数据集执行特定的统计技术并观察输出的静态集合。 这些平台旨在遵循与您在实践中分析数据的方式相一致的自然分析工作流程。 您探索、与数据和结果交互、更改变量、过滤数据、尝试不同的模型选项，每个结果都会导致分析步骤序列中的下一个逻辑步骤。
多变量统计模型
构建涉及许多变量的统计模型可能是最强大和最常用的分析类型。 构建这些模型通常有四个目的：
- 用于检验特定假设。
例子：与安慰剂相比，药物治疗 A 是否使 70 岁以上男性的康复率降低了至少 15%？ 对女性的效果一样吗？
- 从与结果最相关的众多变量中找出少数变量。
例子：与社区的不良健康结果最相关的关键社会经济条件是什么？
- 定量描述变量之间的关系。
例子: 当加工温度升高 5 时，溶液的粘度会降低多少0 C和处理时间增加10分钟？
- 创建一种方法来预测结果。
例子：客户有兴趣了解基于客户特征和当前抵押贷款的新抵押贷款再融资计划的可能性有多大？
模型的主要目标可能只是其中之一、部分甚至全部。 选择的建模技术通常取决于这些目标中的哪一个最重要。
Minitab
Minitab v19 具有三种多变量建模技术：
· 广义线性模型（例如，方差分析、线性回归、逻辑回归）
· 分类和回归树
· 判别分析
与执行单因素分析类似，构建多变量统计模型需要首先选择适合情况的建模类型（例如，Stat>ANOVA>General Linear Model）。 在对话框中，用户然后指定要包含的变量和任何其他相关选项。
运行分析时生成输出并放置在输出窗口中。 在构建统计模型的过程中，分析师通常需要拟合许多不同的模型，每个模型包括一组不同的变量和模型项，直到确定最终模型。 如果决定从模型中删除变量或项，则会重新启动对话框，进行更改并重新运行分析。 考虑的每个可能的模型必须单独运行，每个模型产生不同的输出集。 与 Minitab 中的大多数分析结果一样，数值和图形输出大多是静态的，只有几个选项可以进行更改。 例如，如果希望从数据中删除一些观察值，则必须创建一个新工作表并再次运行所有模型。
JMP 和 JMP Pro
JMP 和 JMP Pro v16 具有以下多变量建模技术以及每种技术中的许多变体。
· 广义线性模型（例如，方差分析、线性回归、逻辑回归）
· 分区（决策树）
· 神经网络
· 判别分析
· Bootstrap 森林 *
· 提升树 *
· K 最近邻 *
·朴素贝叶斯*
· 支持向量机 *
* 仅限 JMP Pro
除了这些，JMP 和 JMP Pro 中还有其他建模技术。 它们通常用于更专业的应用程序，而不是用于一般建模目的，因此未在上面列出（例如，社会科学中的结构方程模型；用于消费者研究的 Uplift、Choice 和 MaxDiff；功能数据浏览器对函数、信号数据进行建模，或系列）。
JMP 的每个建模平台也有许多关于估计方法和模型拟合规范的选项。 这些提供了生成更多模型以考虑并允许处理复杂情况（例如，加权最小二乘法、惩罚回归、信息缺失、K 折交叉验证等）的更大能力的能力。
我们将通过使用以下方法拟合逻辑回归模型来说明 JMP Pro 中的模型构建过程按揭再融资外展数据。
逻辑回归模型：
在 JMP 中，所有线性模型都是使用分析菜单下的拟合模型平台创建的。 这个平台允许您通过在个性下拉菜单下选择所需的选项，从各种模型形式和模型拟合技术中进行选择。 图 38 显示了 JMP（左）和 JMP Pro（右）中可用的选项。
图 38 JMP 和 JMP Pro：拟合模型 - 个性
图 39A 显示了“拟合模型”平台的对话框，其中添加了结果变量和模型项。 在这里，我们拟合了一个仅主效应模型。 可以选择包括交互项、二次效应、将项定义为：（交叉或嵌套）和（固定或随机）。 我们还包括一个验证列。 此列将数据随机分配为：75% 训练和 25% 验证。 JMP 将仅使用训练数据来拟合模型。 验证数据将用于评估拟合模型的预测能力。 这种方法可以帮助避免模型过度拟合数据的不良结果。
图 39A JMP Pro：适合模式
运行分析后，JMP 将生成名义逻辑回归报告。
与 JMP 的所有分析输出一样，最好将报告视为交互式平台而不是静态输出。 例如，可以从拟合模型中删除模型项，而无需返回“拟合模型”对话框进行更改并重新运行分析。 图 39B 显示了报告中的 Effect Summary 表，其中包含变量年龄被选中。
图 39B JMP Pro：拟合模型 - 名义 Logistic 回归的效果汇总
图 40 显示了顶部红色三角形下可用的选项。
图 40 JMP Pro：拟合模型 - 名义 Logistic 回归报告中的上下文菜单
图 41A – 41D 显示了在构建添加到报告中的逻辑回归模型时检查的一些常见输出类型。
图 41A JMP Pro：拟合模型 - 名义 Logistic 回归报告中的混淆矩阵
图 41B JMP Pro：拟合模型 - 名义 Logistic 回归报告中的 ROC 曲线
图 41C JMP Pro：拟合模型 - 名义 Logistic 回归报告中的提升曲线
图 41D JMP Pro：拟合模型 - 名义 Logistic 回归报告中的刻画器
当统计模型的主要目标仅用于预测并且方程不必具有可解释系数的简单形式时，应探索其他更复杂的模型。 JMP Pro 有一个非常强大的平台，称为模型筛选，它可以使用各种技术拟合许多不同的模型，将结果一起呈现在一份报告中。 图 42 显示了该平台的对话框，其中包含分配给其角色的变量和选择的一组模型类型。
图 42 JMP Pro：模型筛选
图 43 显示了报告中生成的一些汇总结果，让您可以轻松查看和比较模型性能。 请注意，Boosted Neural Network 模型对验证数据的总体错误率最低 (16.0%)，Nominal Logistic 回归为 19.2%。
图 44 显示了决策阈值工具，在我们在这里所做的预测分类结果时，该工具对于评估很重要。 该工具提供了一种交互式方法来评估每个模型的错误率如何在您考虑不同的概率阈值时发生变化。
每个模型平台都可以从此报告启动，提供对每个模型可用的全套工具的访问。
图 43 JMP Pro：模型筛选 - 模型摘要
图 44 JMP Pro：模型筛选 - 决策阈值
结论
Minitab 和 JMP 都为用户提供了一个易于使用的点击式环境来分析数据。 尽管它们都包含许多相同的统计技术，但您可以通过不同的方式访问和使用它们。 例如：JMP 中的大多数单变量分析是在 Distribution 平台中执行的，而在 Minitab 中，根据要分析的特定数据类型和要选择的统计技术，使用了许多不同的工具。 在 JMP 中，每个单变量分析的输出都可以添加到同一个报告窗口中。
正如本转换指南中所示，数据表、图表和报告在 JMP 中动态链接，为您提供一个更具交互性的环境来探索和分析数据。 此功能允许您仅使用一个数据表和一组分析报告对各种数据子集进行一整套分析。 相比之下，Minitab 中的典型分析会话需要您管理许多不同的工作表和大量分析输出。
JMP 通过图形构建器直观地探索数据的方法与 Minitab 处理数据图形的方法截然不同。 正如我们在指南中所展示的，JMP 的图形生成器允许您查看您正在考虑的每个选项如何改变可视化，为您提供一种动态方式来发现数据中的特征和模式。
访问jmp.com了解有关 JMP 功能的更多信息并查找学习资源，例如书籍、网络研讨会、白皮书、课程等。
关于作者
