より多くの企業が従業員にデータに基づいて意思決定をさせようとしているため、使いやすい統計ソフトウェアはほぼすべてのビジネスで不可欠なツールとなっています。 包括的な統計分析、洗練された記述モデルと予測モデルの構築、洞察を発見するためのデータマイニングは、もはや統計専門家だけでなく、組織内の多くの職能分野にわたる専門家によって行われています。 学術界も同様のニーズを経験しています。 学生に統計科学のツールや技術を提供する幅広い分野にわたるプログラムやコースの数が大幅に増加しました。 インタラクティブなポイント アンド クリック ソフトウェアを使用すると、学生がプログラミングを必要とせずに必要なスキルを開発し、データ探索プロセスを楽しむための障壁が大幅に軽減されます。
このホワイトペーパーでは、2 つの人気のあるソフトウェア パッケージ、Minitab と JMP について説明します。 経験豊富な Minitab ユーザーが JMP に移行しやすくすることを目的として、2 つの違いを説明します。 ユーザー インターフェイス、ツールへのアクセス方法、分析の実行方法、およびユーザーがデータを分析するために従う一般的なワークフローに重点が置かれています。
Minitab は、統計入門コースをサポートするコンピューティング ツールとして 1978 年に初めて開発された、グラフィカル ユーザー インターフェイス ベース (GUI) の統計ソフトウェア プログラムです。 2020 年 6 月にリリースされた Minitab v19 は、このホワイト ペーパーで取り上げられるバージョンです。
JMPおよびJMP ProもGUIベースのソフトウェアであり、エンジニア、科学者、研究者が非プログラミングの高度にインタラクティブな環境で統計科学のツールを適用することをサポートするために、1989年にSASによって初めて開発されました。 JMP と JMP Pro は、幅広い業界や学術分野で使用されています。 2021 年 3 月にリリースされた JMP 16 および JMP Pro 16 が、このペーパーで取り上げられるバージョンです。
これは個々の機能を包括的にカバーするものではなく移行ガイドであるため、このホワイト ペーパーでは 2 つの違いをすべてカバーすることはできません。 訪問minitab.comそしてjmp.com詳しく知ることができ。
この文書で取り上げるトピックは次のとおりです。
ホワイトペーパーの全文を以下に示します。
(注: 上のハイパーリンクをクリックすると、特定のセクションに直接ジャンプできます。)
導入
より多くの企業が従業員にデータに基づいて意思決定をさせようとしているため、使いやすい統計ソフトウェアはほぼすべてのビジネスで不可欠なツールとなっています。 包括的な統計分析、洗練された記述モデルと予測モデルの構築、洞察を発見するためのデータマイニングは、もはや統計専門家だけでなく、組織内の多くの職能分野にわたる専門家によって行われています。 学術界も同様のニーズを経験しています。 学生に統計科学のツールや技術を提供する幅広い分野にわたるプログラムやコースの数が大幅に増加しました。 インタラクティブなポイント アンド クリック ソフトウェアを使用すると、学生がプログラミングを必要とせずに必要なスキルを開発し、データ探索プロセスを楽しむための障壁が大幅に軽減されます。
このホワイトペーパーでは、2 つの人気のあるソフトウェア パッケージ、Minitab と JMP について説明します。 経験豊富な Minitab ユーザーが JMP に簡単に移行できるようにすることを目的として、2 つの違いを説明します。 ユーザー インターフェイス、ツールへのアクセス方法、分析の実行方法、およびユーザーがデータを分析するために従う一般的なワークフローに重点が置かれています。
Minitab は、統計入門コースをサポートするコンピューティング ツールとして 1978 年に初めて開発された、グラフィカル ユーザー インターフェイス ベース (GUI) の統計ソフトウェア プログラムです。 シックス シグマなどの品質への取り組みに取り組んでいる企業がプロセスや製品の品質を向上させるために統計的手法を使用し始めたため、90 年代半ばから後半にかけて業界で広く普及しました。 2020 年 6 月にリリースされた Minitab v19 は、このホワイト ペーパーで取り上げられるバージョンです。
JMPおよびJMP ProもGUIベースのソフトウェアであり、エンジニア、科学者、研究者が非プログラミングの高度にインタラクティブな環境で統計科学のツールを適用することをサポートするために、1989年にSASによって初めて開発されました。 JMP と JMP Pro は、幅広い業界や学術分野で使用されています。 2021 年 3 月にリリースされた JMP 16 および JMP Pro 16 が、このペーパーで取り上げられるバージョンです。
これは個々の機能を包括的にカバーするものではなく移行ガイドであるため、このホワイト ペーパーでは 2 つの違いをすべてカバーすることはできません。 訪問www.minitab.comそしてwww.jmp.com詳しく知ることができ。
概要
Minitab と JMP にはいくつかの類似点がありますが、JMP に移行する人にとって知っておくべき重要な基本的な違いがいくつかあります。
1. インタラクティブな分析出力。 JMP で分析を実行すると、出力が対話型ウィンドウに表示されます。 異なるプラットフォーム間で作成されたものを含む、作成されたすべての分析出力は、相互に動的にリンクされ、データ テーブルにも動的にリンクされます。 これにより、ユーザーは分析出力を直接操作できるようになります。 モデルへの変数の削除/追加、変数の役割の切り替え、データのサブセット化などの変更は、分析を再実行することなく、分析出力から直接行うことができます。 データ テーブルに変更を加えたり (データの追加/削除など)、すべての出力を自動的に更新するように設定したりすることもできます。
Minitab の出力は主に静的であり、異なる分析ツール間では接続されません。 たとえば、モデルから変数を削除するには、分析ツールを再起動し、それらの変更を指定してから、分析を再実行する必要があります。 Minitab のツールの多くでは、データを変更しても分析結果は自動的に更新されません。
2. コンテキストメニュー。 JMP で実行される各分析出力は、その分析に関連する一連のツールへのアクセスに関連付けられています。 このように、データ分析のアプローチは本質的により探索的で対話型となり、1 つの分析の結果によってユーザーは分析ワークフローの次のステップとして設計された一連のツールに誘導されます。
Minitabは、より伝統的なバッチモードで分析を実行しますが、多くの場合、ユーザーはデータ内の特徴を確認することとはまったく別に、どの分析を実行するかを決定する必要があります。 ツールを選択すると、ダイアログ ボックスが開きます。 変数には役割が割り当てられ、オプションが選択されます。 分析を実行すると、通常は静的な一連の出力が生成されます。 典型的な分析ワークフローの次のステップでは、多くの場合、新しいツールを起動する必要があり、変数の役割とオプションを再度指定する必要があります。
3. 分析に使用するデータを定義します。 Minitab の一般的なアプローチは、特定の分析の基礎となるすべてのデータを含むワークシートを作成することです。 たとえば、そのデータのサブセットに対して分析を実行したい場合は、通常、新しいワークシートを作成する操作 (たとえば、サブセット、ワークシートの分割など) を実行する必要があります。 外れ値が発見され、分析者がそれらのデータ ポイントを含まない結果を確認したい場合は、通常、別の新しいワークシートを作成して分析を再度実行する必要があります。 このため、通常の分析セッションでは多くのワークシートを管理する必要があります。
JMP では複数のデータ テーブルを操作することもできますが、多くの場合、データ フィルターと行状態操作を使用して、特定の分析の基礎となるデータを定義するのが最も簡単です。 これらのデータ フィルターと行の状態はいつでも保存してアクセスできるため、分析者は単一のデータ テーブルを使用して、そのデータのさまざまなサブセットに対するすべての分析を実行できます。
さらに、JMP のローカル データ フィルター ツールを使用すると、分析の実行後でもデータをフィルターできます。 たとえば、データ テーブル内のすべてのデータから線形回帰モデルを作成できます。 回帰分析の出力内からローカル データ フィルターを起動でき、選択したデータのさまざまなサブセットのすべての結果を即座に変更します。
4. 複数の同時分析。 JMP の主な特徴は、多数の分析を同時に実行できることです。 JMP 内のほぼすべての分析プラットフォームでは、「変数別」オプションが利用可能で、その変数のレベルごとに分析を実行できます。 たとえば、カテゴリ変数の 10 個の異なるグループごとに 2 つの平均を比較する個別の仮説検定を実行したい場合は、その By Variable を指定するだけで済みます。 Minitab では、その分析を 10 回に分けて実行する必要があります。
JMP プラットフォームでは、すべての応答変数と因子を選択するだけで、多数の個別の分析をまとめて実行することもできます。 たとえば、3 つの異なる応答変数と 5 つの異なる説明因子に対して可能なすべての 1 因子分析を実行したい場合、データ タイプに基づいた異なる 1 因子分析手法を含む、3x5=15 の異なる分析すべてを 1 ステップで実行できます。応答変数と因子。 ANOVA、線形回帰、ロジスティック回帰、カイ二乗分析はすべて、同じ出力ウィンドウに結果を表示しながら同時に実行できます。 Minitabでは、異なるツールを使用してこれらの各分析を個別に実行する必要があります。
JMP には、カスタム グラフや作成された出力とともに非常に多くの分析を実行するために設計された独自のプラットフォームがあります。 たとえば、多変数能力分析は 50 の異なるプロセス変数に対して実行できます。 50 の異なる個別の能力分析の出力を生成することに加えて、独自のグラフと数値出力が作成され、すべての個別の結果が標準化され、これらの 50 の変数間で簡単に比較できるようになります。これが真の多変量解析です。
JMP には、非常に大量の分析が必要な場合のアプリケーション向けにカスタム設計された特殊なプラットフォームもあります。 特定の科学分野では、たとえば、1,000 の異なる応答変数と 1 つの説明因子が存在することは非常に一般的です。 応答スクリーニング分析を実行すると、1,000 個の個別の一元配置分散分析が得られます。 結果 (分析数に基づいて統計的に調整) は、比較や追跡分析が容易になるように設計されたカスタム セットのグラフとデータ テーブルを使用してまとめて表示されます。
5. 統合。 JMP には、SAS、MATLAB、R、Python などの外部計算環境と統合する機能があります。 JSL (JMP のスクリプト言語) を通じて、アナリストはこれらのツールの機能を活用しながら、JMP の対話型 GUI 内で作業することもできます。
Minitab は現在、Python とのみ統合する機能がありますが、SAS、R、または MATLAB とは統合できません。
6. レポートの発行。 Minitab と JMP は両方とも、ソフトウェアの外部でレポートをエクスポートおよび保存するツール (.jpg、Microsoft PowerPoint、Word など) を備えています。 JMP はインタラクティブな .html レポートを生成することもできるため、他のユーザーはインタラクティブ ツールを使用して JMP の外部で分析レポートを表示し、データをさらに掘り下げることができます。 JMP 製品スイートのもう 1 つの製品は JMP Live です。これは、データやモデルの変更に応じてダッシュボードを更新するレポートの生成と共有を自動化するための追加機能を提供します。
7. 統計分析手法。 どちらのソフトウェアにもより一般的な統計分析ツールが多数含まれていますが、JMP および JMP Pro では Minitab では利用できない、より高度な統計手法やデータ管理ツールが無数にあります。 また、JMP には通常、特定の統計分析手法内でさらに多くのオプションと機能があります。 訪問www.jmp.com詳しく知ることができ。
データセット
このガイドではさまざまなデータセットが使用されます。 ここで見つけることができます。
ファイル形式
経験豊富な Minitab ユーザーが JMP を学習するときに最初に気づく違いの 1 つは、プロジェクト ファイル構造内で作業する必要がないことです。
Minitabプロジェクトファイル
Minitab のユーザーは、拡張子 .mpx で示される Minitab プロジェクト ファイルに最もよく知られています。 このプロジェクト ファイル内で、複数のワークシート (つまり、データ テーブル) をインポートまたは作成できます。 図 1 は、4 つのワークシートを含むサンプル Minitab プロジェクト ファイルを示しています。 表示は 3 つのペインに分割されています。 右下のペインには、アクティブなワークシート (フル 4 データ) が表示され、各ワークシートの下部にタブが表示されます。 ナビゲータとして知られる左側のペインには、実行された分析と操作のリストが表示されます (例: 収量と水分含量のグラフ概要、…、分割ワークシート)。 右上のペインは、特定の分析出力を表示する出力ウィンドウです。 選択できるビューは 3 つあります (データと出力、データのみ、出力のみ)。 この図では、データおよび出力ビューが選択されています。
Figure 1 Minitab: Project File図 1 Minitab: プロジェクト ファイル
選択した分析または操作はすべて、アクティブなワークシートで実行されます。 ユーザーがデータのサブセットに対して分析を実行したい場合は、親ワークシートから新しいワークシートを作成する必要があります。 ここでは、[データ] > [ワークシートの分割] コマンドを使用して、4 つの地理的位置 (A、B、C、および D) ごとに 1 つずつ、ワークシートのセットが作成されました。 GeoLocations の 1 つだけに対して分析を実行するには、分析を実行する前に、まずそのワークシートを選択してアクティブなワークシートにする必要があります。
JMPデータテーブルファイル
JMP は、プロジェクト ファイル構造内から使用することもできます。 まず、多くのユーザーが JMP データ テーブル ファイルを使用して作業することを選択しているため、JMP データ テーブル ファイルがどのように機能するかを見てみましょう。 JMP データ テーブル ファイルは、拡張子 .jmp で示されます。
図 2 は、JMP データ テーブル ファイルのサンプルを示しています。 ファイルには 4 つのペインがあります。 データ テーブルは右側にあり、行ペインは左下にあり、選択、除外、または非表示になった行の数を含む、データ テーブル内の行の概要を表示します。 左中央の列ペインにはデータ テーブル内の変数が表示され、モデリング タイプやラベルの使用など、その変数のプロパティが識別されます。 左上のペインには、このデータ テーブル ファイルに保存されたスクリプトが表示されます。 スクリプトを実行して保存する手順については、後のセクションで説明します。
さまざまなペインに表示される赤い三角形は、さまざまなツールにアクセスして、データ テーブル、列、または行に対する操作を実行します。 データ テーブル内の列の順序を変更するには、列ペインの列リストをクリックして目的の場所にドラッグします。 列に対して実行できるツールと操作のより包括的なリストは、[列] メニューの下に表示されるか、データ テーブル内の列を右クリックして表示されます。
Figure 2 JMP: Data Table図 2 JMP: データテーブル
JMP には、後で説明するように、ユーザーがデータの特定のサブセットに対して分析を実行できるツールのコレクションがあります。 多くの場合、この方法で 1 つのマスター データ テーブルから作業すると、Minitab で必要とされる複数のデータ テーブルを作成して管理する必要がなく、必要な分析をすべて実行できることがわかります。
JMPプロジェクトファイル
JMP プロジェクト ファイルは、作業に役立つもう 1 つのファイル構造です。 プロジェクト ファイルは、JMP への単一のインターフェイスを提供し、さまざまなプロジェクト要素のコンテナとして機能します。 データテーブル、分析スクリプト、JMP ジャーナル、レポートに加え、ドキュメント、データ ファイルなどの非 JMP 要素を含める (または参照する) ことができます。
図 3A は、JMP プロジェクト ファイルの例です。
この例では、左側に 2 つのペインが表示されます。
コンテンツ：フォルダー、JMP データ テーブル、その他の非 JMP ファイル (.xls、.csv、.doc など) など、プロジェクト ファイル内に含まれるすべてのファイルのリスト。 .ppt、.jpg など)。 ここには、フォルダー、2 つの JMP データ テーブル、1 つの JMP ジャーナル、2 つの Excel ファイル、および 1 つの Word ドキュメントがあります。
ワークスペース:現在表示されているプロジェクト内容の階層リスト。 ここには、JMP ジャーナルと 2 つの JMP データ テーブル、および JMP データ テーブルの 1 つのスクリプトに関連付けられた分析レポートがあります。
「ワークスペース」ペインにリストされている要素ごとに 1 つずつ、タブ付きのウィンドウのコレクションが右側に編成されています。 ここでは、データ テーブルの 1 つがアクティブ ウィンドウになっています。 これは、図 2 に示す JMP データ テーブルであると認識してください。
Figure 3A JMP: Project File図 3A JMP: プロジェクト ファイル
タブを含む各ペインを移動して、表示を目的のビューに再構成できます。
図 3B は、2 つの JMP データ テーブルとジャーナルがワークスペース ペインとコンテンツ ペインの右側に直接配置され、そのうちの 1 つが表示されるように選択されるようにタブが配置されたプロジェクトの例を示しています。 右側には 2 つの分析レポートが上下に配置されて構成されています。
Figure 3B JMP: Project File図 3B JMP: プロジェクト ファイル
このタブ付きの構成可能な環境により、状況に最適な方法でプロジェクト ファイルの内容を表示、非表示、表示する柔軟性がユーザーに提供されます。
プロジェクト ファイルは共有でき、JMP 以外のファイルを含むすべてのコンテンツが含まれます。
jmp.com にアクセスして、 jmp.com/ヘルプまたはコミュニティ.jmp.com 「プロジェクト」を検索して、録画、チュートリアル、ドキュメント、ユーザーディスカッションなどのリソースのリストを表示し、JMP プロジェクトの機能について詳しく学びます。
データのインポート
多くの場合、データは統計ソフトウェア内ではなく、他のアプリケーション内で生成されます。 たとえば、エンジニアは、実験からのデータを Excel スプレッドシートや、データの特定のサブセットを取得して分析する必要がある顧客行動データの大規模なコレクションを含む中央データベースに記録する場合があります。 Minitab と JMP はどちらも、.csv、.txt、.xls などのさまざまなファイル タイプを開くことができ、それぞれ ODBC (Open Database Connectivity) 経由でデータベースにクエリを実行できます。
JMP
JMPは、Minitabではできない他のファイルタイプ（SAS、R、MATLAB、.html、.pdfファイルなど）を開くことができます。 JMP は、インターネット オープン機能を使用して、Web ページに組み込まれているテーブルを開くこともできます。
JMP には、複数のファイルをインポートして 1 つのデータ テーブルに結合できるという利点もあります。 図 4 は、調査に関連するさまざまなテキスト ファイルのコレクションを含むフォルダーと、それらのファイルの 1 つのコンテンツを示しています。
Figure 4 JMP: Importing Multiple Files図 4 JMP: 複数のファイルのインポート
[ファイル] > [複数を開く] を選択すると、インポート ウィザードが起動し、これらの多数のファイルのすべてのデータを 1 つの JMP データ テーブルにインポートするプロセスを案内します。
現在 Minitab ファイルにあるデータを JMP にインポートするには、まず Minitab ワークシートを .xls、.csv、または .txt などの形式で保存することをお勧めします。 次に、「ファイル」>「JMP で開く」を選択するだけで、そのデータが JMP データテーブルにインポートされます。 インポート ウィザードが起動して、データのインポート方法を指定します (インポートする変数と行の選択、変数名を含める/除外するなど)。
データのクリーニングとフォーマット
MinitabとJMPの両方には、ユーザーがデータをクリーンアップしてフォーマットして分析の準備をできるようにするツールのコレクションが含まれています。
ミニタブ
データの書式設定、クリーニング、準備を行うための Minitab のツールのほとんどは、[データ] メニューと [計算] メニューにあります。 図 5 は、これらのメニューにあるツールのリストを示しています。
Figure 5 Minitab: Data and Calc menus図 5 Minitab: データおよび計算メニュー
ツールを選択するとダイアログ ボックスが表示され、変数をさまざまな役割に配置して、実行する特定の操作セットを記述することができます。
図6は、Minitabの並べ替えツールのダイアログボックスの例です。 ここでは、GeoLocation 変数に基づいてすべてのデータをアルファベット昇順で並べ替え、データを同じワークシート (つまり「元の列」) に保存することを選択しました。
Figure 6 Minitab: Sort Tool図6 Minitab: 並べ替えツール
JMP
分析用にデータをフォーマット、クリーニング、準備するための JMP ツールのほとんどは、テーブル、行、および列の 3 つの異なるメニューにあります (図 7 を参照)。
Figure 7 JMP: Tables, Rows and Cols Menus図 7 JMP: テーブル、行、列メニュー
図 8 は、JMP の並べ替えツールの例です。 ダイアログ ボックスの外観が異なり、操作に異なる名前が使用されますが、一般的な手順は非常に似ています。
Figure 8 JMP: Sort Tool図 8 JMP: 並べ替えツール
Minitabで実行したすべてのデータ操作操作は、JMPでも実行できます。 ツールにアクセスする方法と、ダイアログ ボックスで目的の操作を指定する方法を学ぶには、少し練習するだけで済みます。
データセットの最初の検査に非常に役立つ、テーブルメニューのJMPツール(Minitabでは使用できません)の1つは、欠損データパターンプラットフォームです。 次の例では小さなデータ セットを使用していますが、このツールは大規模なデータ セットを調べるときに最も価値があることがわかります。 図 9 は、5 つの変数、25 行、18 個の欠損値を含むデータ テーブルを示しています。
Figure 9 JMP: Data Table with Missing Values図 9 JMP: 欠損値のあるデータ テーブル
[テーブル] メニューの [欠落データ パターン] ツールは、新しい JMP データ テーブルを介してデータの「欠落」を要約します。 図 10 は、結果の表と付随するセル プロットを示しています。
Figure 10 JMP: Missing Data Pattern図 10 JMP: 欠落データ パターン
この新しいデータ テーブルは、データ内の欠落データ パターンを説明します。 特に、欠損値のない行が 15 行あります。 1 つの行には変数 Y5 に欠損値があります。 4 つの行には、変数 Y3 に 1 つの欠損値があります。 2 つの行には、Y3、Y4、Y5 などの 3 つの変数にわたって欠損値があります。 この欠落データ パターン テーブル内の行を強調表示すると、元のデータ テーブル内の欠落データ パターンを持つすべての行が強調表示されます。 これにより、今後の分析からそのデータを非表示にしたり除外したり、グラフに表示する固有のシンボルを割り当てるなどの行状態を生成したりすることができます。 「分析」>「スクリーニング」メニューの下に「欠損値の探索」と呼ばれる関連プラットフォームがあり、欠損データを操作するための追加ツールを提供します。これには、変数と行の欠損パターン間の共通点を見つけるための統計手法や、欠損データを補完する機能が含まれます。推定値に置き換えます。
新しい変数の作成
Minitab と JMP の両方で、新しい変数を作成できます。 これらの新しい変数は、たとえば、データ テーブル内の他の変数または論理条件引数を使用した単純な算術演算です。
ミニタブ
Minitabでは、「計算」メニューの「計算ツール」を使用して新しい変数を作成します。 図 11 は、変数「水分含量」の値に基づいて新しいテキスト変数がどのように作成され、結果が列 C9 に保存されるかを示しています。
Figure 11 Minitab: Calculator図 11 Minitab: 計算機
JMP
JMP で新しい変数を作成するには、列を強調表示して「列」>「式」を選択し、その新しい列の式ツールにアクセスします。 列を右クリックし、メニューから「数式」を選択してもアクセスできます。 図 12 では、条件引数に基づいて同じテキスト変数を作成するために数式ツールが使用されています。 作成中に数式を適用した結果を確認できるプレビュー機能があることに注意してください。
Figure 12 JMP: Formula図 12 JMP: 式
JMP の数式ツールでは、パターン化されたシーケンス、他の列からのランダム サンプル、または指定された確率分布を使用して新しい変数を作成することもできます。 Minitabでは、このような種類の操作を生成するには他のツールにアクセスする必要があります。
データフィルターと行の状態
ミニタブ
Minitabで分析を実行すると、その分析のデータを含むワークシートがアクティブになります。 親データ セットのサブセットに対して分析を実行する場合は、ほとんどの場合、データのそのサブセットのみを含む新しいワークシートを作成する必要があります。 外れ値が特定され、今後の分析から除外する必要がある場合は、それらのデータ ポイントを含まない別の新しいワークシートを作成する必要があります。 その結果、プロジェクト ファイル内で多くのワークシートを管理する必要があるのが一般的です。
JMP
前に示したように、JMP プロジェクト ファイル内に複数のデータ テーブルを設定することもできます。 代わりに、データ フィルターと行状態操作を使用して、特定の分析の基礎となる特定のデータを定義することができ、その結果、多くのユーザーが 1 つのデータ テーブルからすべての分析を行うことを選択します。 これらのデータ フィルターと行の状態はいつでも保存してアクセスできます。
これらの分析を次の図を使用して説明します。穀物収量データ。
図 13A は、GeoLocations と C が選択されたデータ テーブルを示しています。 これは、データ テーブルの左上にある小さなヒストグラム アイコンをクリックしてヘッダー グラフをオンにし、それらの GeoLocations を選択するだけで実行できます。 ヘッダー グラフは、各列の上部に変数の概要を表示する便利なツールです (連続変数のヒストグラムと最小/最大値、カテゴリ変数の棒グラフなど)。 図 13B は、[行] > [非表示と除外] ツールが選択された場合の結果を示しています。 この行状態をアクティブにして実行される分析では、地理位置 A および C が計算に含まれず、グラフィック表示にも表示されません。 その他のオプションには、選択したデータを計算で使用するがグラフには表示しない (非表示のみ)、データをグラフに表示するが計算には使用しない (除外のみ) などがあります。 この行の状態をオフにするには、再度 [行] > [非表示と除外] または [行] > [行の状態をクリア] を選択します。
Figure 13A JMP: Rows selected図 13A JMP: 選択された行
Figure 13B JMP: Hide/Exclude図 13B JMP: 非表示/除外
グローバル データ フィルターは、データのサブセットを定義するためのもう 1 つの便利なツールです。 このツールにアクセスするには、「行」>「データ ファイラー」を選択します。 図 14 は、GeoLocations B および D が選択された状態で開いたデータ フィルターを示しています。 ここでは、[表示] と [含める] チェック ボックスをオンにして、使用する地理位置情報を選択しました。 データ フィルターには多くの変数を含めることができ、カテゴリ変数と連続変数の両方を使用できます。 このデータ フィルターはデータ テーブルに保存でき、行の状態をクリアして、いつでも再度アクセスできます。
Figure 14 JMP: Global Data Filter図 14 JMP: グローバル データ フィルター
他の特性を行の状態として設定できます。 たとえば、分析で生成されるすべてのグラフで、地理的位置ごとに異なる色を使用することができます。 この設定は、[行] > [色] または [列でマーク] で設定できます。 図 15 は、行の状態として色が示された結果のデータ テーブルです。 この行状態をアクティブにして作成されたグラフィック表示には、このカラーコーディングが使用されます。 この行は保存しておいて、いつでもアクセスできます。
Figure 15 JMP: Color Row State図 15 JMP: カラー行の状態
JMP のローカル データ フィルターは、データのサブセットを操作する別の手段を提供します。 このアプローチは、データのさまざまなサブセットが選択されると分析結果が即座に変化することを確認できる対話型ツールを提供します。 ローカル データ フィルターには、分析レポート ウィンドウの上部の赤い三角の下からアクセスします。 図 16 は、すべてのデータを使用した回帰分析の結果 (左) を示し、ローカル データ フィルターから GeoLocation A のみを選択したことに基づいて同じ出力が変化します。 データ ポイントは、図 15 で設定した色の行状態を使用していることに注意してください。
Figure 16 JMP: Local Data Filter図 16 JMP: ローカル データ フィルター
記述統計
Minitab と JMP はどちらも、データの特徴を説明する要約統計量を計算できます。
これらの分析の一部を、穀物収量データ。
ミニタブ
Minitabで記述統計を生成するには、いくつかの方法があります(例:統計メニューの記述統計の表示、記述統計の保存およびグラフ概要)。 記述統計は、ここで説明するテーブル ツールを使用して生成することもできます。 図 17 は、各地理位置/年の組み合わせの収量のサンプル平均とサンプル標準偏差を計算する手順と、その結果の表を示しています。
Figure 17 Minitab: Descriptive statistics via Table図 17 Minitab: 表による記述統計
別の概要統計が必要な場合、または別のカテゴリ変数や関連変数を使用する場合は、[テーブル] > [記述統計] ツールが再起動され、ダイアログ ボックスが更新され、分析が再実行されます。
JMP
JMP は、分散プラットフォーム、グラフ ビルダー、列ビューア、列式など、さまざまな方法で記述統計を計算することもできます。 Minitab を使用して示したものと同様に、「分析」>「表作成」プラットフォームを通じて要約統計量を計算する方法を説明します。
Tabulate プラットフォームを起動すると、図 18A に示すウィンドウが開きます。 変数をさまざまな役割に配置するだけでテーブルが作成されます。 これらの変数を移動して、テーブルの表示方法を変更できます。 変数の削除、追加、新しい統計の計算などが可能で、変更が加えられるとすぐにテーブルが更新されます。 これを、目的のテーブルを作成するための空白のキャンバスと考えてください。
Figure 18A JMP: Descriptive Statistics via Tabulate図 18A JMP: 表による記述統計
図 18B は、年と地理的位置の 6 つの異なる組み合わせに対する収量の平均と標準偏差を表示するテーブルを作成する手順を示しています。
まず、Yield を Resulting Cells Drop ゾーンに配置します。 デフォルトでは、その変数の合計 (デフォルトの統計) が単一のセルとして表示されます (図 18B の左上の画像)。 注: 環境設定 (JMP > 環境設定 > プラットフォーム > 表作成) により、デフォルトで平均と標準偏差を表示することも選択できます。
この場合、合計という単語が表示されているセルの上部のリストからこれら 2 つの統計をドラッグして、合計を平均と標準偏差に置き換えます。 テーブルが更新され、合計統計量が平均値と標準偏差に置き換えられます (図 18B の右上の図)。
カテゴリ変数 (年と地理位置) は、目的の場所にドロップされるだけです。 年は行 (図 18B の左下の画像) として配置され、GeoLocation は列 (右下の画像) として配置されます。
Figure 18B JMP: Descriptive Statistics via Tabulate図 18B JMP: 表による記述統計
このテーブルは、変数を別のドロップ ゾーンに移動することで、簡単に変更して別のビューを作成できます。 図 18C は、変数 GeoLocation を Year 内の別の行変数に移動した場合の結果のテーブルを示しています。
Figure 18C JMP: Descriptive Statistics via Tabulate図 18C JMP: 表による記述統計
この要約統計量のテーブルは、赤い三角形の下にある [データ テーブルに作成] を選択することで、さらに分析するために JMP データ テーブルに作成できます。 図 18D は、結果として得られるデータ テーブルを示しています。
Figure 18D JMP: Descriptive statistics via Tabulate – Creating a Data Table図 18D JMP: Tabulate による記述統計 - データ テーブルの作成
グラフ化
Minitab と JMP では、データのグラフ化のアプローチが大きく異なります。これは、新しい JMP ユーザーが経験する 2 つのソフトウェア間の最も重要な違いの 1 つです。
これらの分析の一部を、穀物収量データ。
ミニタブ
Minitabでグラフを作成するには、まずどのグラフが必要かを決定し、それを「グラフ」メニューから選択する必要があります。 図 19 は、そのメニューで利用できるグラフのリストを示しています。
Figure 19 Minitab: Graph menu図 19 Minitab: グラフメニュー
Minitabで散布図を作成してグラフを作成するプロセスを説明します。 散布図ツールが起動されると、画面が表示されます (図 20A の左の図)。 その時点で、ユーザーは散布図オプションの 1 つを選択する必要があります。 この例では、「Simple」が選択されています。 次に、ダイアログ ボックスが表示され、Y 軸と X 軸にプロットする変数を入力します (図 20A の右の図)。
Figure 20A Minitab: Scatterplot図 20A Minitab: 散布図
[スケール]、[ラベル]、[データ ビュー]、[複数のグラフ]、および [データ オプション] ボタンには追加のオプションがあります。 図 20B は、追加のオプションが選択されなかった場合の結果のグラフを示しています。
Figure 20B Minitab: Scatterplot図 20B Minitab: 散布図
右上のドロップダウン メニューの下にある [グラフの編集] ツールを起動すると、グラフのいくつかの要素を編集できます (点の色の変更など)。
図 20C に示す、4 つの地理的位置のそれぞれに個別の回帰直線を含む散布図を作成するには、まったく新しいグラフを作成する必要があります。 これは、散布図ツールを再起動し、図 20A に示すダイアログ ボックスから [回帰とグループあり] を選択することによって実行されます。
Figure 20C Minitab: Scatterplot図 20C Minitab: 散布図
同じデータでまったく異なる種類のグラフ (比較箱ひげ図など) を作成するには、ユーザーは [グラフ] メニューに戻り、特定のグラフ作成ツールを起動して、適切なオプションを指定します。 通常、目的のグラフが作成されるまで、データをグラフィカルに探索する反復ごとにこのアプローチが必要になります。
JMP
JMP は、Minitab とはまったく異なる方法でグラフを作成します。 JMP にはすべての分析プラットフォームにわたってグラフを作成するツールがありますが、ここでは強力なグラフ ビルダー プラットフォームを介してビジュアライゼーションを作成する方法を説明します。 このツールは、実際にデータを探索および分析する一般的な方法に一致するように設計されています。 グラフ ビルダー プラットフォーム (グラフ > グラフ ビルダー) を起動すると、空白のキャンバスとグラフ パレットと考えられるものが表示されます (図 21A)。
Figure 21A JMP: Graph Builder図 21A JMP: グラフ ビルダー
グラフは、変数をさまざまな役割に配置し、目的のグラフィック表示を選択することによって作成されます。 たとえば、変数水分含量が Y ゾーンにドロップされると、JMP はドット プロットを表示することから始まります (図 21B)。
Figure 21B JMP: Graph Builder – Dotplot図 21B JMP: グラフ ビルダー – ドットプロット
ドット プロットの代わりに別のグラフ (箱ひげ図など) が必要な場合は、上部のグラフ パレットからそのオプションを選択するだけで、グラフが即座に変わります。 図２１Ｃは、ドットプロットと箱ひげ図の両方が選択されたグラフを示す。
Figure 21C JMP: Graph Builder – Dotplot and Boxplot図 21C JMP: グラフ ビルダー – ドットプロットと箱ひげ図
別の連続変数が X ゾーンにドロップされると、JMP はグラフを自動的に散布図に変更します。 図２１Ｄは、回帰直線を含むそのようなグラフの例を示す。
Figure 21D JMP: Graph Builder – Scatterplot with regression line図 21D JMP: グラフ ビルダー – 回帰直線を含む散布図
選択したグラフの種類ごとに、グラフをさらに変更または拡張するためのツールとオプションが左側に表示されます。 たとえば、方程式、95% 信頼区間および RSquared 値がグラフに追加されました。
このプロセス中に作成されたグラフはそれぞれ、必要に応じてデータ テーブルに保存できます。 あるいは、アナリストは引き続きデータを視覚的に探索できます。 図 21E は、変数 GeoLocation がラップ ドロップ ゾーンにドロップされた場合にグラフがどのように変化するかを示しています。
Figure 21E JMP: Graph Builder – Individual scatterplots with regression lines図 21E JMP: グラフ ビルダー – 回帰直線を含む個々の散布図
GeoLocation がラップ ドロップ ゾーンからオーバーレイ ドロップ ゾーンに移動され、方程式と RSquared を表示するオプションがオフになっている場合、グラフは図 21F に示すように変化します。
Figure 21F JMP: Graph Builder – Scatterplot with overlaid regression lines図 21F JMP: グラフ ビルダー – 回帰直線が重ねられた散布図
いずれかの軸の上にカーソルを置くと、ポインタが手の記号に変わり、簡単な方法で軸を移動したりスケール変更したりできるようになります。 軸をダブルクリックすると、線形スケールから対数スケールへの変更など、グラフをさらに変更するためのツールのセットが表示されます。
グラフを右クリックすると、使用する色や記号の変更など、表示を変更するための追加ツールのメニューが表示されます。
このプロセスは、各ソフトウェアがグラフィカル分析にどのようにアプローチするかにおける根本的な違いを示しています。 Minitab では、グラフの種類とオプションが選択されますが、それらの選択がどのような影響を与えるかを確認することはありません。 JMP では、各選択がグラフをどのように変化させ、強化するかを対話的に確認しながらグラフを作成します。 これにより、より効率的かつ豊富なデータの探索が可能になり、無数のグラフを迅速に生成してデータの特徴を明らかにし、結果を最もよく伝える視覚化を作成できるようになります。
データの視覚的な探索を大幅に強化できる 2 つの非常に強力なツールは、JMP のローカル データ フィルターと列スイッチャーです。 イラスト付きで広告実験データ。
JMP の動的にリンクされたデータを使用すると、新しい変数を切り替えたり、データをフィルタリングしたりすることができ、グラフはそれらの変更を反映して即座に更新されます。 図 22 は、変数広告スタイルの 4 つの異なるカテゴリに対する 95% 信頼区間を持つ変数 WS1 の比較ドット プロットを示しています。 左上にある列スイッチャーは、分析者が Y 軸に表示する他の 9 つの可能な結果変数を簡単に選択 (または実行) できるように設定されています。 ローカル データ フィルターも、プロモーション (3 レベル) と期間 (10 レベル) の説明要素を使用して設定されました。 アナリストはこれらの変数によってデータをサブセット化できます。 選択ごとに、グラフが即座に更新され、選択された Y 軸の変数が表示され、ローカル データ フィルターで選択されたデータのみが含まれます。 Minitab では、これらの変数の考えられる組み合わせごとに新しいグラフを個別に作成する必要があります。
Figure 22 JMP: Column Switcher and Local Data Filter図 22 JMP: 列スイッチャーとローカル データ フィルター
JMPには、現在Minitabでは利用できない多くのグラフィカルツールが含まれています。 これらにより、データを探索して表示する能力が大幅に拡張されます。 図 23A ～ J は、これらの視覚化の一部を示しています。
Figure 23A JMP: Hover Graphlet図 23A JMP: ホバー グラフレット
Figure 23B JMP: Image Labels図 23B JMP: 画像ラベル
Figure 23C JMP: Geographic Maps図 23C JMP: 地理地図
Figure 23D JMP: Motion Bubble Plot図 23D JMP: モーション バブル プロット
Figure 23E JMP: Correlation Color Map図 23E JMP: 相関カラー マップ
Figure 23F JMP: Shape Based Heat Maps図 23F JMP: 形状ベースのヒート マップ
Figure 23G JMP: Density Contour Plot図 23G JMP: 密度等高線図
Figure 23H JMP: Word Cloud図 23H JMP: ワード クラウド
Figure 23I JMP: Comparative Histograms図 23I JMP: 比較ヒストグラム
Figure 23J JMP: Scaled Parallel Plots図 23J JMP: スケールされた並列プロット
Figure 23K JMP: Mosaic Plot図 23K JMP: モザイク プロット
Figure 23L JMP: Nonlinear Functional Fit図 23L JMP: 非線形関数フィット
単変量解析
Minitab と JMP では、統計分析の実行アプローチがまったく異なります。 これらの違いを実証するために、各ソフトウェアの単一の連続変数の分析を段階的に進めていきます。
これらの分析を次の図を使用して説明します。ヨーグルトの製造データ。
ミニタブ
Minitabでは、グラフィカルサマリーツールは単一変数を分析するのに便利な方法です。 この分析を実行するには、[統計] メニューでこのツールを選択します。 ダイアログ ボックスが表示され、分析を実行する変数を選択します。 図 24A は分析を実行する手順を示し、図 24B は結果の出力を示しています。 グラフに表示される正規分布曲線は、この出力で表示できる唯一の分布です。 他の確率分布を使用するには、Minitab の別のツールが必要になります。
Figure 24A Minitab: Graphical Summary図 24A Minitab: グラフによる概要
Figure 24B Minitab: Graphical Summary図 24B Minitab: グラフによる概要
表示されている統計以外の別の統計が必要な場合は、別のツールを起動し (「統計」 > 「基本統計」 > 「記述統計の表示」)、それらのオプションを選択する必要があります。 ステップと出力が表示されます。
グラフの概要には、Anderson-Darling 正規性検定の結果が表示されます。 検定に伴う確率プロットや経験的な累積分布関数グラフを検査したい場合は、2 つの異なる追加ツール (統計 > 基本統計 > 正規性検定およびグラフ > 経験的 CDF) を使用して行う必要があります。 この手順は、他の分析を実行する場合と同様です。 ツールを起動すると、ユーザーが分析を実行する変数を指定し、オプションを選択するためのダイアログ ボックスが表示されます。 図２５Ａは正規性検定分析を実行するステップを示し、図２５Ｂは結果の出力を示す。
Figure 25A Minitab: Normality test図 25A Minitab: 正規性検定
Figure 25B Minitab: Normality test図 25B Minitab: 正規性検定
CDF プロットを作成するには、別のツール (グラフ > 経験的 CDF) が起動され、分析が実行されます (ステップと出力が示されています)。
たとえば、正規分布が変数に使用するのに適したモデルではない場合、他の分布を評価する必要がある場合があります。 この評価は別のツール (統計 > 品質ツール > 個別分布識別) で実行されます (ステップと出力は示されていません)。
分析の次のステップは、母集団平均に対する仮説検定を実行することだとします。 これを行うには、さらに別のツール (Stat > Basic Stat > 1-sample t) にアクセスする必要があります (ステップと出力は示されていません)。 分散に関する仮説検定を実行するには、新しいツールを使用するのと同じ手順 (統計 > 基本統計 > 1 分散)
単一の連続変数の分析に一般的なその他の分析には、特に、等価性検定、許容範囲、予測区間、工程能力分析などがあります。 それぞれに Minitab の異なるツールが必要であり、それぞれが個別の出力を生成します。 現在、Minitab には予測区間を生成する機能がないため、実際には手動で式を作成する必要があります。
JMP
JMP は単変量解析にこれまでとはまったく異なるアプローチをとり、データの探索と分析の自然なワークフローにより沿ったものになっています。 JMP には、前のセクションで説明したすべての分析を実行できる単一のプラットフォーム ([分析] > [分布]) があります。 図 26A に示すように、プラットフォームにアクセスするには、メニューからプラットフォームを選択し、ダイアログ ボックスに入力します。 図 26B は、初期出力を示しています。
Figure 26A JMP: Distribution図 26A JMP: 分布
Figure 26B JMP: Distribution図 26B JMP: 分布
初期出力では、ヒストグラム、箱ひげ図、要約統計量、平均値の信頼区間など、データのグラフィック表示と数値表示の両方が提供されます。 概要統計テーブルの上部にある赤い三角形をクリックすると、表示される統計を変更するための一連のツールにアクセスできます。
他の多くの分析の中でも特に言及されたすべての分析は、この 1 つのレポート ウィンドウ内から実行できます。 これらはすべて、変数名の横にある赤い三角形を介してアクセスできます。 これらのコンテキスト メニューには、分析ワークフローで次に考慮する一連の分析が表示されます。 図 27 は、そのメニューと [Continuous Fit] > [Normal Analysis] が選択された状態を示しています。
Figure 27 JMP: Distribution図 27 JMP: 配布
図 28A から 28K は、これらのデータに対して実行された連続フィットおよび他のすべての単変量分析の結果を示しており、新しい出力セットが 1 つのレポート ウィンドウに追加され、簡単に比較できます。
Figure 28A JMP: Quantile Plot and Distribution Fit図 28A JMP: 分位点プロットと分布近似
Figure 28B JMP: Goodness of Fit図 28B JMP: 適合度
Figure 28C JMP: CDF Plot図 28C JMP: CDF プロット
Figure 28D JMP: Interactive Distribution Profiler図 28D JMP: 対話型配布プロファイラー
Figure 28E JMP: Interactive Quantile Profiler図 28E JMP: 対話型分位点プロファイラ
Figure 28F JMP: Test Mean図 28F JMP: テスト平均値
Figure 28G JMP: Test Standard Deviation図 28G JMP: テスト標準偏差
Figure 28H JMP: Prediction Interval図 28H JMP: 予測間隔
Figure 28I JMP: Tolerance Interval図 28I JMP: 許容範囲
Figure 28J JMP: Equivalence Test図 28J JMP: 等価性テスト
Figure 28K JMP: Capability Analysis図 28K JMP: 能力分析
追加の対話型ツールが利用可能で、「what-if」シナリオによる追加レベルの分析機能が提供されます。 図 29A ～ 29C は、そのうちの 3 つ (p 値アニメーション、電力アニメーション、および能力アニメーション) を示しています。 これらの対話型ツールは、研究対象のプロセスをより深く理解するのに役立つだけでなく、統計の概念を理解したり教えるための優れた方法を提供します。
Figure 29A JMP: p-value Animation図 29A JMP: p 値アニメーション
Figure 29B JMP: Power Animation図 29B JMP: パワー アニメーション
Figure 29C JMP: Interactive Capability Plot図 29C JMP: 対話型能力プロット
この対話型レポートでは、ローカル データ フィルターと列スイッチャーも使用できます。 図 30 は、7 つの生産ライン用に設定されたカラム スイッチャーと、バッチ番号用に設定されたローカル データ フィルターを示しています。 分析に含める生産ラインとバッチを選択できるようになり、すべての数値出力とグラフィック出力が即座に更新されます。 Minitabでは、分析したい各結果変数および/またはデータのサブセットごとに、さまざまなツールすべてにわたってすべての分析を再実行する必要があり、管理すべき大量のレポートが作成されます。
Figure 30 JMP: Column Switcher and Local Data Filter図 30 JMP: 列スイッチャーとローカル データ フィルター
結果の保存と共有
ミニタブ
Minitabで分析が実行されるたびに、出力は別の要素としてナビゲータペインに配置されます。 プロジェクト ファイルを保存すると、これらすべての出力要素がすべてのワークシートとともにプロジェクト ファイルに保存されます。 個々の出力を画像ファイル (.png、.jpg など) として保存し、他のアプリケーションに配置することもできます。
JMP
分析結果を JMP に保存するにはさまざまな方法があります。 これらには、インタラクティブな .html ファイルとして保存したり、JMP ジャーナル ファイルとして保存したり、他のアプリケーションに配置された画像ファイルとして保存したり、プライベートの安全なダッシュボードに公開したりすることもできます。 JMP Live は、JMP の外部でレポートを表示および操作する機能を提供します。 分析作業を保存する最も一般的な方法である、レポートをスクリプトとしてデータ テーブルに保存する方法を説明します。
レポート内から、レポート ウィンドウの左上にある赤い三角形の下にある [スクリプトの保存] > [データ テーブルへ] を選択します (図 31A)。
Figure 31A JMP: Saving a script to data table図 31A JMP: データ テーブルへのスクリプトの保存
保存されたスクリプトは、データ ファイル ウィンドウの左上のペインに表示されます (図 31B)。
Figure 31B JMP: Saved Scripts図 31B JMP: 保存されたスクリプト
緑色の三角形をクリックすると、保存されたスクリプトが再実行され、そのレポートに関連付けられたすべての分析が実行されます。 これにより、変更されたデータ セットに対して分析の完全なセットを再実行できます (データの削除/追加、値の再コーディング、グローバル データ フィルターによるサブセット化、新しい行の状態など)。 スクリプトはペイン内で並べ替えたり、グループ化して分析作業の管理に役立てることができます。
一要素分析
Minitab と JMP はどちらも、一因子分析 (単純な線形分析など) を実行するツールを備えています。
回帰、単純ロジスティック回帰、一元配置分散分析、およびカイ二乗検定
比率を比較します）。 単変量解析と同様に、それらは、
分析はまったく異なる方法で実行されます。
タブレット生産データを使用して、これらの分析のいくつかを説明します。
ミニタブ
Minitabで一因子分析を実行する場合、適切なツールが起動します(たとえば、統計>回帰>適合線プロット)。 ダイアログ ボックス内で適切な変数を指定し、その他のオプションを選択します。 出力が生成され、出力ウィンドウに配置されます。 たとえば、単純な線形回帰の出力を調べるときに、グラフに信頼区間を追加したり、残差プロットを調べたり、変数の 1 つのスケールを線形から対数または対数に変更したりすることが必要であることを考えてください。おそらく、別の応答変数または予測変数を一緒に使用することになります。 近似線プロット ツールを再起動し、オプションを変更して、新しい出力セットを作成する必要があります。 Minitab の各出力セットは主に静的であり、わずかな変更のみが可能です。
さまざまな 1 因子分析 (ロジスティック回帰、ANOVA、カイ二乗検定など) には、他のツールの使用が必要です。
JMP
JMP では、すべての 1 因子分析が 1 つのプラットフォーム ([分析] > [Y by X に適合]) から実行されます。図 32A は、このプラットフォームのダイアログ ボックスを示しています。 Y (応答変数) と X (係数) を選択すると、JMP は自動的に正しい分析を決定します。
JMP がどのように複数の分析を同時に実行できるかを示すために、Y の応答 (溶解、連続変数、ロット受け入れ、バイナリ変数) の 2 つの変数と、因子 (API 粒子サイズ、3 つのカテゴリ変数) の 2 つの変数を選択しました。レベル;ミル時間、連続変数)。
JMP は 4 つの異なる分析を作成します。
- 溶解対 API 粒子サイズの一元配置分散分析。
- 溶解対粉砕時間の単純な線形回帰。
- ロット受け入れ対 API 粒子サイズの分割表分析。
- ロット受け入れ対製造時間の単純なロジスティック回帰
Figure 32A JMP: Fit Y by X図 32A JMP: Y を X に当てはめる
JMP の他の多くのプラットフォームと同様、Fit Y by X には分析にカテゴリ別変数を含める機能があり、その変数のレベルごとに個別の分析を実行します。 モデルは、観測値に重み付けされた値を割り当てて適合させることもできます。 このプラットフォームは、要約された頻度/テーブル形式のデータにも使用できます。
これら 4 つの分析の初期出力を図 32B に示します。 注: 列の状態は、溶解度 70 以上の仕様を満たすロットが緑色に色分けされ、70 未満のロットが赤色に色分けされるように設定されています。
各分析の隣には赤い三角形のホット スポットがあり、分析全体の次のステップとして JMP が推奨するツールを含むコンテキスト メニューが表示されます。 4 つの異なる統計分析手法が実行されるため、各メニューには 4 つの異なるツール セットがあります。 図 33 は、これらの各コンテキスト メニューを示しています。 これで、分析ワークフローの次のステップを選択する準備が整いました。 後続の各分析では、追加のオプションを提供する新しい赤い三角形のホット スポットを使用して、レポートに追加される別の出力セットが生成されます。
Figure 32B JMP: Fit Y by X Report図 32B JMP: Y by X に適合レポート
Figure 33 JMP: Fit Y by X Contextual Menus図 33 JMP: Y x X に適合するコンテキスト メニュー
Fit Y by X プラットフォームで分析がどのように展開されるかを示すために、粉砕時間による溶解の二変量フィットの赤い三角形の下にある Fit Line オプションが選択されました。 図 34 は、その選択に基づいてレポートに追加される出力を示しています。
Figure 34 JMP: Linear Regression Fit図 34 JMP: 線形回帰フィット
選択した線形フィットの隣に新しい赤い三角形のホット スポットが表示されていることに注目してください。 図 35 は、そのコンテキスト メニューで使用できるオプションを示しています。 ここには、グラフに信頼区間または予測区間を追加するオプション、残差プロットを作成するオプション、データ テーブルに値を保存するオプションなどが表示されます。
Figure 35 JMP: Linear Fit Contextual Menus図 35 JMP: 線形フィットのコンテキスト メニュー
図 33 の [二変量フィット] メニューに示されているように、他のモデルをフィットさせて比較することができます。 例: 多項式、スプライン、直交、ノンパラメトリック密度、ロバスト回帰。 変形は「フィットスペシャル」で利用できます。 図 36 にそれらのオプションを示します。
Figure 36 JMP: Transformation図 36 JMP: 変換
さまざまなモデルの選択肢を調査および比較して、データに最適なものを見つける際に、検討対象の各モデル適合をレポートに追加または削除できます。 図 37 は、二次フィットとノンパラメトリック密度を追加した表示を示しています。
Figure 37 JMP: Comparing Models図 37 JMP: モデルの比較
使用する変数を変更する場合、または分析の基礎となるデータのサブセットを選択する場合は、ローカル データ フィルターおよび列スイッチャーにアクセスできます。 すべての出力は、それらの選択を反映するために即座に更新されます。 Minitabの場合と同様に、データを新しいデータテーブルにサブセットして分析を再実行する必要はありません。
この例でも示されているように、JMP でのデータの分析は、単にデータセットに対して特定の統計手法を実行し、出力の静的なコレクションを観察するだけではありません。 これらのプラットフォームは、実際のデータ分析方法に合わせた自然な分析ワークフローに従うように設計されています。 調査、データと結果の操作、変数の変更、データのフィルター処理、さまざまなモデル オプションの試行を行い、それぞれの結果が一連の分析ステップの次の論理ステップにつながります。
多変数統計モデル
多くの変数を含む統計モデルの構築は、おそらく最も強力で頻繁に必要とされる種類の分析です。 通常、これらのモデルを構築する目的は次の 4 つです。
- 特定の仮説をテストするため。
例：薬物治療 A は、プラセボと比較して、70 歳以上の男性の回復率を少なくとも 15% 低下させますか? 女性でも効果は同じですか？
- 多くの変数の中から、結果と最も相関のある少数の変数を見つけます。
例：地域社会の健康状態の悪化と最も相関する主要な社会経済的条件は何ですか?
- 変数間の関係を定量的に説明します。
例: 処理温度が5度上がると溶液の粘度はどのくらい下がりますか0 Cだと処理時間が10分増える？
- 結果を予測するためのメソッドを作成します。
例：顧客と現在の住宅ローンの特徴に基づいて、顧客が新しい住宅ローン借り換えプログラムについて知りたいと思う可能性はどのくらいですか?
モデルの主な目標は、これらのうちの 1 つだけである場合もあれば、一部またはすべてである場合もあります。 選択されるモデリング手法は、多くの場合、これらの目標のどれが最も重要であるかによって決まります。
ミニタブ
Minitab v19 には、3 つの多変数モデリング手法があります。
· 一般化線形モデル (ANOVA、線形回帰、ロジスティック回帰など)
· 分類木と回帰木
・判別分析
1 因子分析の実行と同様に、多変数統計モデルを構築するには、まず状況に適したモデリング タイプを選択する必要があります (たとえば、統計 > ANOVA > 一般線形モデル)。 ダイアログ ボックス内で、ユーザーは含める変数とその他の関連オプションを指定します。
出力は分析の実行時に生成され、出力ウィンドウに配置されます。 統計モデルを構築するプロセスでは、分析者は通常、最終的なモデルが決定されるまで、それぞれに異なる変数セットとモデル項が含まれる多くの異なるモデルを適合させる必要があります。 モデルから変数または項を削除することを決定した場合、ダイアログ ボックスが再起動され、変更が加えられ、分析が再実行されます。 考慮される各モデルは個別に実行され、それぞれが異なる出力セットを生成する必要があります。 Minitab でのほとんどの分析結果と同様に、数値出力とグラフィック出力はほとんど静的であり、変更を加えるためのオプションがいくつかあるだけです。 たとえば、データから一部の観測値を削除したい場合は、新しいワークシートを作成し、すべてのモデルを再度実行する必要があります。
JMP と JMP プロ
JMP および JMP Pro v16 には、次の多変数モデリング技術と、それぞれの中に多くのバリアントがあります。
· 一般化線形モデル (ANOVA、線形回帰、ロジスティック回帰など)
・パーティション（ディシジョンツリー）
・ ニューラルネットワーク
・判別分析
・ブートストラップフォレスト*
· 強化された木 *
· K 最近傍 *
· ナイーブベイズ *
· サポートベクターマシン *
* JMP プロのみ
JMP および JMP Pro には、これら以外にもモデリング手法があります。 これらは通常、一般的なモデリング目的ではなく、より特殊なアプリケーションに使用されるため、上記にはリストされていません (例: 社会科学における構造方程式モデル、消費者調査における Uplift、Choice、および MaxDiff、関数、信号であるデータをモデル化する Functional Data Explorer 、またはシリーズ）。
JMP の各モデリング プラットフォームには、推定方法とモデル フィッティング仕様に関する多くのオプションもあります。 これらは、考慮すべきさらに多くのモデルを生成する機能を提供し、複雑な状況を処理する際の機能を向上させることができます (例: 重み付き最小二乗法、罰則付き回帰、情報欠損、K 分割交差検証など)。
を使用してロジスティック回帰モデルを当てはめることにより、JMP Pro でのモデル構築プロセスを説明します。住宅ローン借り換え支援データ。
ロジスティック回帰モデル:
JMP では、すべての線形モデルは、[分析] メニューの [モデルの適合] プラットフォームを使用して作成されます。 この 1 つのプラットフォームを使用すると、[パーソナリティ] ドロップダウン メニューで目的のオプションを選択することにより、さまざまなモデル フォームとモデル フィッティング手法から選択できます。 図 38 は、JMP (左) と JMP Pro (右) で使用できるオプションを示しています。
Figure 38 JMP and JMP Pro: Fit Model – Personalities図 38 JMP および JMP Pro: モデルの適合 – 性格
図 39A は、結果変数とモデル項が追加されたモデルの適合プラットフォームのダイアログ ボックスを示しています。 ここでは主効果のみのモデルを当てはめています。 交互作用項、二次効果、項を (交差または入れ子) および (固定またはランダム) として定義するオプションを含めるオプションが利用可能です。 検証列も追加しました。 この列では、データが 75% のトレーニングと 25% の検証にランダムに割り当てられています。 JMP はモデルに適合させるためにトレーニング データのみを使用します。 検証データは、適合モデルの予測能力を評価するために使用されます。 このアプローチは、モデルがデータを過剰適合させることによる望ましくない結果を回避するのに役立ちます。
Figure 39A JMP Pro: Fit Mode図 39A JMP Pro: フィット モード
分析を実行すると、JMP は名目ロジスティック回帰レポートを生成します。
JMP のすべての分析出力と同様に、レポートは静的な出力ではなく対話型のプラットフォームであると考えるのが最善です。 たとえば、[モデルの適合] ダイアログ ボックスに戻って変更を加え、解析を再実行することなく、適合モデルからモデル項を削除できます。 図 39B は、変数を含むレポートの効果概要テーブルを示しています。年選択されました。
Figure 39B JMP Pro: Fit Model – Effect Summary for Nominal Logistic Regression図 39B JMP Pro: モデルの適合 – 名目ロジスティック回帰の効果の概要
図 40 は、上部の赤い三角形の下で使用できるオプションを示しています。
Figure 40 JMP Pro: Fit Model – Contextual Menu in Nominal Logistic Regression report図 40 JMP Pro: モデルの適合 – 名目ロジスティック回帰レポートのコンテキスト メニュー
図 41A ～ 41D は、レポートに追加されるロジスティック回帰モデルを構築するときに検査される一般的な出力タイプのいくつかを示しています。
Figure 41A JMP Pro: Fit Model – Confusion Matrix in Nominal Logistic Regression report図 41A JMP Pro: モデルの適合 – 名目ロジスティック回帰レポートの混同行列
Figure 41B JMP Pro: Fit Model – ROC Curve in Nominal Logistic Regression report図 41B JMP Pro: モデルの適合 – 名目ロジスティック回帰レポートの ROC 曲線
Figure 41C JMP Pro: Fit Model – Lift Curve in Nominal Logistic Regression report図 41C JMP Pro: モデルの適合 – 名目ロジスティック回帰レポートのリフト曲線
Figure 41D JMP Pro: Fit Model – Profiler in Nominal Logistic Regression report図 41D JMP Pro: モデルの適合 – 名目ロジスティック回帰レポートのプロファイラー
統計モデルの主な目的が予測のみであり、方程式が解釈可能な係数を含む単純な形式である必要がない場合は、他のより複雑なモデルを検討する必要があります。 JMP Pro には、モデル スクリーニングと呼ばれる非常に強力なプラットフォームがあり、さまざまなテクニックを使用して多くの異なるモデルに適合し、結果を 1 つのレポートにまとめます。 図 42 は、変数が役割に割り当てられ、一連のモデル タイプが選択されたプラットフォームのダイアログ ボックスを示しています。
Figure 42 JMP Pro: Model Screening図 42 JMP Pro: モデルのスクリーニング
図 43 は、モデルのパフォーマンスを簡単に確認および比較できるようにするレポートで生成された概要結果の一部を示しています。 ブースト ニューラル ネットワーク モデルは、検証データの全体的なエラー率が最も低く (16.0%)、名目ロジスティック回帰が 19.2% であることに注目してください。
図 44 は、ここで行っているようにカテゴリカルな結果を予測するときに評価することが重要となる決定しきい値ツールを示しています。 このツールは、さまざまな確率のしきい値を考慮したときに各モデルのエラー率がどのように変化するかを評価する対話型の手段を提供します。
このレポートから各モデル プラットフォームを起動し、それぞれで利用可能なツールの完全なセットにアクセスできます。
Figure 43 JMP Pro: Model Screening – Model Summary図 43 JMP Pro: モデル スクリーニング – モデルの概要
Figure 44 JMP Pro: Model Screening – Decision Threshold図 44 JMP Pro: モデル スクリーニング – 判定しきい値
結論
Minitab と JMP はどちらも、データを分析するための使いやすいポイントアンドクリック環境をユーザーに提供します。 どちらも同じ統計手法を多く含んでいますが、アクセスして使用する方法は異なります。 例: JMPのほとんどの一変量解析はDistributionプラットフォーム内で実行されますが、Minitabでは、解析される特定のデータタイプと選択される統計手法に応じて多くの異なるツールが使用されます。 JMP では、各一変量解析の出力を同じレポート ウィンドウに追加できます。
この移行ガイドで説明したように、データ テーブル、グラフ、レポートは JMP で動的にリンクされ、データを探索および分析するためのより対話型の環境を提供します。 この機能を使用すると、1 つのデータ テーブルと 1 セットの分析レポートのみを使用して、データのさまざまなサブセットに対して一連の分析全体を実行できます。 対照的に、Minitab での一般的な分析セッションでは、多くの異なるワークシートと分析出力の大規模なコレクションを管理する必要があります。
グラフビルダーを介してデータを視覚的に探索するJMPのアプローチは、Minitabがデータをグラフ化するアプローチとは非常に異なるパラダイムです。 ガイドで説明したように、JMP のグラフ ビルダーを使用すると、検討している各オプションが視覚化にどのように変化するかを確認でき、データ内の特徴やパターンを動的に発見する方法が提供されます。
訪問jmp.com JMP の機能についてさらに詳しく知り、書籍、ウェビナー、ホワイトペーパー、コースなどの学習リソースを見つけます。
著者について
