隨著越來越多的公司尋求讓員工根據數據做出決策，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、建立復雜的描述性和預測模型以及挖掘數據以發現見解不再僅僅由統計學家完成，而是由組織內許多職能領域的人員完成。 學術界也面臨著類似的需求。 跨學科的項目和課程數量大幅增加，讓學生接觸統計科學的工具和技術。 交互式點擊軟件可以大大降低學生培養必要技能的障礙，無需編程即可享受數據探索過程。
本白皮書探討了兩種流行的軟件包——Minitab 和 JMP。 我們將說明兩者之間的差異，目的是讓經驗豐富的 Minitab 用戶輕鬆過渡到 JMP。 重點是用戶界面、如何訪問工具、如何執行分析以及用戶分析數據所遵循的一般工作流程。
Minitab 是一種基於圖形用戶界面 (GUI) 的統計軟件程序，最初開發於 1978 年，作為支持統計入門課程的計算工具。 本白皮書中介紹的版本是 2020 年 6 月發布的 Minitab v19。
JMP 和 JMP Pro 也是基於 GUI 的軟件，最初由 SAS 於 1989 年開發，旨在支持工程師、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 廣泛用於各種行業和學科。 本文介紹的版本是 2021 年 3 月發布的 JMP 16 和 JMP Pro 16。
由於這是一個過渡指南，而不是對他們各自能力的全面覆蓋，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根據數據做出決策，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、建立復雜的描述性和預測模型以及挖掘數據以發現見解不再僅僅由統計學家完成，而是由組織內許多職能領域的人員完成。 學術界也面臨著類似的需求。 跨學科的項目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的障礙，無需編程即可享受數據探索過程。
本白皮書探討了兩種流行的軟件包——Minitab 和 JMP。 我們將說明兩者之間的差異，目的是讓經驗豐富的 Minitab 用戶輕鬆過渡到 JMP。 重點是用戶界面、如何訪問工具、如何執行分析以及用戶分析數據所遵循的一般工作流程。
Minitab 是一種基於圖形用戶界面 (GUI) 的統計軟件程序，最初開發於 1978 年，作為支持統計入門課程的計算工具。 它在 20 世紀 90 年代中後期在業界廣受歡迎，因為參與質量計劃（例如 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。 本白皮書中介紹的版本是 2020 年 6 月發布的 Minitab v19。
JMP 和 JMP Pro 也是基於 GUI 的軟件，最初由 SAS 於 1989 年開發，旨在支持工程師、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 廣泛用於各種行業和學科。 本文介紹的版本是 2021 年 3 月發布的 JMP 16 和 JMP Pro 16。
由於這是一個過渡指南，而不是對他們各自能力的全面覆蓋，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
雖然 Minitab 和 JMP 之間存在一些相似之處，但對於正在過渡到 JMP 的人來說，應該了解一些重要的基本差異。
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分析輸出，都動態地相互鏈接並鏈接到數據表。 這允許用戶直接與分析輸出交互。 諸如從模型中刪除/添加變量、切換變量的角色以及對數據進行子集化等更改可以直接從分析輸出中完成，而無需重新運行分析。 還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，並且不跨不同的分析工具進行連接。 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。 在許多 Minitab 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。 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被設計為分析工作流程中的後續步驟的工具。
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，而與查看數據中的特徵完全無關。 選擇工具後，將打開一個對話框。 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，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）來創建新工作表。 如果發現異常值，並且分析師希望查看沒有這些數據點的結果，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。
儘管還可以在 JMP 中使用多個數據表，但通常最簡單的方法是使用數據過濾器和行狀態操作來定義特定分析所依據的數據。 這些數據過濾器和行狀態可以隨時保存和訪問，這使得分析人員可以擁有一個數據表，可以在該數據表上執行對該數據的各個子集的所有分析。
此外，JMP 中的本地數據過濾工具甚至允許用戶在執行分析後過濾數據。 例如，可以根據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，這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 的一個關鍵功能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“按變量”選項，允許對該變量的每個級別執行分析。 例如，如果想要執行單獨的假設檢驗，比較分類變量的 10 個不同組中每一組的兩種均值，則只需指定“按變量”即可。 Minitab 需要單獨運行該分析 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同時運行大量單獨分析。 例如，如果想要對三個不同的響應變量和五個不同的解釋因素執行每一種可能的單因素分析，則可以一步執行所有3x5=15 種不同的分析，包括基於數據類型的不同單因素分析技術。響應變量和因素。 方差分析、線性回歸、邏輯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單獨運行這些分析。
JMP 擁有獨特的平台，旨在執行大量分析以及創建的自定義圖表和輸出。 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 個不同的個人能力分析生成輸出之外，還將創建獨特的圖表和數字輸出，標準化所有個人結果，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定制的平台。 在某些科學領域，很常見的是，例如，可能有一千個不同的響應變量和一個解釋因素。 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（根據分析數量進行統計調整）使用一組自定義圖表和數據表一起顯示，旨在輕鬆比較和後續分析。
5. 整合。 JMP 能夠與 SAS、MATLAB、R 和 Python 等外部計算環境集成。 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，同時還能夠在 JMP 的交互式 GUI 中工作。
Minitab 目前只能與 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，可在數據和模型發生變化時自動生成和共享更新儀表板的報告。
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 中提供了無數更先進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，無需在項目文件結構中工作。
Minitab 項目文件
Minitab 用戶最熟悉的是擴展名為 .mpx 的 Minitab 項目文件。 在此項目文件中，可以導入或創建多個工作表（即數據表）。 圖 1 顯示了包含四個工作表的 Minitab 項目文件示例。 顯示屏分為三個窗格。 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。 左側窗格稱為導航器，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）。 右上方的窗格是輸出窗口，顯示特定的分析輸出。 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。
Figure 1 Minitab: Project File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子集執行分析，則需要從父工作表創建新工作表。 這裡使用“數據”>“拆分工作表”命令創建了一組工作表，每個工作表對應四個地理位置（A、B、C 和 D）。 要僅對其中一個地理位置執行分析，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，讓我們看一下 JMP 數據表文件的工作原理，因為許多用戶選擇使用該類型的文件。 JMP 數據表文件的擴展名為 .jmp。
圖 2 顯示了 JMP 數據表文件的示例。 該文件有四個窗格。 數據表位於右側，行窗格位於左下角，提供數據表中行的摘要，包括已選擇、排除或隱藏的行數。 中間左側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。 左上方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訪問各種工具以對數據表、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進行重新排序。 可以在“列”菜單下或通過右鍵單擊數據表中的列來找到可對列執行的更全面的工具和操作列表。
Figure 2 JMP: Data Table圖 2 JMP：數據表
JMP 有一系列工具，我們將在稍後進行說明，允許用戶對特定的數據子集進行分析。 在許多情況下，您會發現以這種方式使用一個主數據表可以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使用的文件結構。 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（或引用）數據表、分析腳本、JMP 日誌、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）。 這裡有一個文件夾、兩個 JMP 數據表、一份 JMP Journal、兩個 Excel 文件和一個 Word 文檔。
工作空間：當前顯示的項目內容的層次結構列表。 這裡我們有 JMP 日誌和兩個 JMP 數據表，以及與其中一個 JMP 數據表中的腳本關聯的分析報告。
一組選項卡式窗口排列在右側，每個窗口對應“工作區”窗格中列出的每個元素。 這裡我們將其中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。
Figure 3A JMP: Project File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，其中已排列選項卡，以便將兩個 JMP 數據表和日記直接放置在“工作區”和“內容”窗格的右側，並選擇其中之一進行顯示。 右側是兩份分析報告，一份放在另一份之上。
Figure 3B JMP: Project File圖 3B JMP：項目文件
這種選項卡式可配置環境使用戶可以靈活地以最適合情況的方式顯示、隱藏和顯示項目文件的內容。
可以共享項目文件，並且所有內容（包括非 JMP 文件）都將包含在內。
訪問 jmp.com， jmp.com/幫助或者社區.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，工程師可以將實驗數據記錄在 Excel 電子表格或包含大量客戶行為數據的中央數據庫中，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，並且都能夠通過 ODBC（開放數據庫連接）查詢數據庫。
聯合管理計劃
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 打開功能打開網頁中內置的表格。
JMP 還具有能夠導入多個文件並將其合併到一個數據表中的額外優勢。 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。
Figure 4 JMP: Importing Multiple Files圖 4 JMP：導入多個文件
選擇“文件”>“打開多個”將啟動導入嚮導，該嚮導將指導您完成將這些多個文件中的所有數據導入到一個 JMP 數據表中的過程。
要將 Minitab 文件中當前的數據導入 JMP，最好首先以 .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”即可將該數據導入到 JMP 數據表中。 將啟動導入嚮導來指定如何導入數據（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 都有一系列工具，允許用戶清理和格式化數據以準備分析。
迷你表
大多數用於格式化、清理和準備數據的 Minitab 工具都可以在“數據”和“計算”菜單下找到。 圖 5 顯示了這些菜單下的工具列表。
Figure 5 Minitab: Data and Calc menus圖 5 Minitab：數據和計算菜單
一旦選擇了一個工具，就會出現一個對話框，允許將變量放置到不同的角色中來描述要執行的特定操作集。
圖 6 是 Minitab 排序工具的對話框示例。 在這裡，我們選擇根據將數據保存到同一工作表中的 GeoLocation 變量按字母升序對所有數據進行排序（即“在原始列中”）。
Figure 6 Minitab: Sort Tool圖 6 Minitab：排序工具
聯合管理計劃
大多數用於格式化、清理和準備分析數據的 JMP 工具都可以在三個不同的菜單下找到：表格、行和列（如圖 7 所示）。
Figure 7 JMP: Tables, Rows and Cols Menus圖 7 JMP：表格、行和列菜單
圖 8 是 JMP 排序工具的示例。 儘管對話框的外觀有所不同，並且使用不同的操作名稱，但總體過程非常相似。
Figure 8 JMP: Sort Tool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。 只需進行一點練習即可了解如何訪問這些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（Minitab 中不提供）對於數據集的初步檢查非常有用，它是缺失數據模式平台。 以下示例使用小型數據集，但您會發現該工具在檢查大型數據集時最有價值。 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。
Figure 9 JMP: Data Table with Missing Values圖 9 JMP：包含缺失值的數據表
表菜單下的缺失數據模式工具將通過新的 JMP 數據表總結數據中的“缺失”。 圖 10 顯示了結果表以及隨附的單元格圖。
Figure 10 JMP: Missing Data Pattern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；變量 Y5 中有一行缺少值；四行變量 Y3 中有一個缺失值；兩行在 3 個變量中存在缺失值 - Y3、Y4 和 Y5 等。 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。 這允許您在將來的分析中隱藏和/或排除該數據，或生成行狀態，例如分配要在圖表中顯示的唯一符號。 在“分析”>“篩選”菜單下有一個名為“探索缺失值”的相關平台，它提供了用於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其他變量的簡單算術運算或邏輯條件參數。
迷你表
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，並將結果保存在 C9 列中。
Figure 11 Minitab: Calculator圖 11 Minitab：計算器
聯合管理計劃
要在 JMP 中創建新變量，請突出顯示某一列並選擇列 > 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，有一個可用的預覽功能，可讓您在創建公式時查看應用公式的結果。
Figure 12 JMP: Formula圖 12 JMP：公式
JMP 的公式工具還可以使用模式序列、其他列中的隨機樣本或指定的概率分佈來創建新變量。 在 Minitab 中，需要訪問其他工具才能生成這些類型的運算。
數據過濾器和行狀態
迷你表
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許多工作表。
聯合管理計劃
如前所述，還可以在 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。
我們將使用以下內容來說明這些分析糧食產量數據。
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以打開標題圖，然後只需選擇這些地理位置來完成的。 標題圖是一個方便的工具，它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/最大值，分類變量的條形圖）。 圖 13B 顯示了選擇“行”>“隱藏和排除”工具時的結果。 在此行狀態活動狀態下執行的任何分析都不會在計算中包含地理位置 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顯示在圖表中（僅隱藏）或在圖表中顯示數據但不用於計算（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。
Figure 13A JMP: Rows selected圖 13A JMP：選定的行
Figure 13B JMP: Hide/Exclude圖 13B JMP：隱藏/排除
全局數據過濾器是定義數據子集的另一個有用工具。 通過選擇“行”>“數據文件管理器”來訪問此工具。 圖 14 顯示了打開的數據過濾器，其中選擇了地理位置 B 和 D。 在這裡，我們打開了“顯示”和“包括”複選框，然後選擇了我們要使用的地理位置。 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。 該數據過濾器可以保存到數據表中，可以清除行狀態，然後隨時再次訪問。
Figure 14 JMP: Global Data Filter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表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，其中顏色顯示為行狀態。 任何使用此行狀態活動創建的圖形顯示都將使用此顏色編碼。 該行也可以保存並隨時訪問。
Figure 15 JMP: Color Row State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。 這種方法提供了一個交互式工具，可以在其中看到分析結果隨著選擇不同的數據子集而立即變化。 可以在分析報告窗口中頂部紅色三角形下訪問本地數據過濾器。 圖 16 顯示了使用所有數據（左）進行回歸分析的結果，然後基於從本地數據過濾器中僅選擇地理位置 A 來更改相同的輸出。 請注意，數據點使用我們在圖 15 中設置的顏色行狀態。
Figure 16 JMP: Local Data Filter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。
我們將使用以下內容來說明其中一些分析糧食產量數據。
迷你表
有幾種方法可以在 Minitab 中生成描述性統計量（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摘要）。 還可以使用表格工俱生成描述性統計數據，我們將在此處進行說明。 圖 17 顯示了計算每個地理位置/年份組合的產量樣本均值和样本標準差的步驟以及結果表。
Figure 17 Minitab: Descriptive statistics via Table圖 17 Minitab：通過表格進行描述性統計
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。
聯合管理計劃
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，我們說明如何通過“分析”>“製表”平台計算匯總統計量。
啟動 Tabulate 平台將打開圖 18A 所示的窗口。 只需將變量放入不同的角色即可創建表。 可以移動這些變量來更改表的顯示方式。 可以刪除、添加變量、計算新的統計數據以及其他功能，並在做出這些更改後立即更新表。 將其視為您創建所需表格的空白畫布。
Figure 18A JMP: Descriptive Statistics via Tabulate圖 18A JMP：通過製表進行描述性統計
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 種不同組合的產量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。 默認情況下將該變量的總和（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）默認顯示平均值和標準差。
在這種情況下，我們將通過將這兩個統計數據從顯示單詞總和的單元格頂部的列表中拖動來將總和替換為平均值和標準差。 該表將更新，用平均值和標準差替換總統計量（圖 18B 中的右上圖）。
分類變量（年份和地理位置）只需放入所需的位置即可。 年份放置為行（圖 18B 中的左下圖），地理位置放置為列（右下圖）。
Figure 18B JMP: Descriptive Statistics via Tabulate圖 18B JMP：通過製表進行描述性統計
通過將變量移動到不同的放置區域，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生成的表。
Figure 18C JMP: Descriptive Statistics via Tabulate圖 18C JMP：通過製表進行描述性統計
通過選擇紅色三角形下方的“製作成數據表”，可以將此匯總統計數據表製作成 JMP 數據表，以供進一步分析。 圖18D顯示了結果數據表。
Figure 18D JMP: Descriptive statistics via Tabulate – Creating a Data Table圖 18D JMP：通過製表進行描述性統計 – 創建數據表
繪圖
Minitab 和 JMP 繪製數據圖形的方式截然不同；這是 JMP 新用戶將體驗到的兩個軟件之間最顯著的差異之一。
我們將使用以下內容來說明其中一些分析糧食產量數據。
迷你表
要在 Minitab 中創建圖形，必須首先決定需要哪個圖形，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。
Figure 19 Minitab: Graph menu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。 啟動散點圖工具後，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。 在此示例中，選擇了 Simple。 然後出現一個對話框，輸入要在 Y 和 X 軸上繪製的變量（圖 20A 中的右圖）。
Figure 20A Minitab: Scatterplot圖 20A Minitab：散點圖
比例、標籤、數據視圖、多個圖形和數據選項按鈕提供了附加選項。 圖 20B 顯示了未選擇其他選項時的結果圖。
Figure 20B Minitab: Scatterplot圖 20B Minitab：散點圖
通過啟動右上角下拉菜單下的編輯圖表工具，可以編輯圖表的一些元素（例如，更改點的顏色）。
要製作圖 20C 中所示的散點圖，該散點圖對 4 個地理位置中的每一個都有單獨的回歸線，則需要創建一個全新的圖表。 這可以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。
Figure 20C Minitab: Scatterplot圖 20C Minitab：散點圖
要使用相同的數據創建完全不同類型的圖形（例如，比較箱線圖等），則用戶將返回圖形菜單，啟動特定的圖形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。
聯合管理計劃
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。 該工具的設計符合人們在實踐中探索和分析數據的典型方式。 啟動圖形生成器平台（圖形 > 圖形生成器）後，首先顯示的內容可以視為空白畫布和圖形調色板（圖 21A）。
Figure 21A JMP: Graph Builder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）。
Figure 21B JMP: Graph Builder – Dotplot圖 21B JMP：圖形生成器 – 點圖
如果需要不同的圖表（例如箱線圖）而不是點圖，只需從頂部的圖表調色板中選擇該選項，圖表就會立即發生變化。 圖21C顯示了同時選擇了點圖和箱線圖的圖表。
Figure 21C JMP: Graph Builder – Dotplot and Boxplot圖 21C JMP：圖形生成器 – 點圖和箱線圖
如果將另一個連續變量放入 X 區域，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。
Figure 21D JMP: Graph Builder – Scatterplot with regression line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表，左側都會顯示工具和選項，以進一步更改或增強圖表。 例如，將方程、95% 置信區間和 R 方值添加到圖表中。
如果需要，在此過程中創建的每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 放置區域，圖表將如何變化。
Figure 21E JMP: Graph Builder – Individual scatterplots with regression lines圖 21E JMP：圖形生成器 – 帶有回歸線的單個散點圖
如果 GeoLocation 從“包裹”放置區域移動到“疊加”放置區域，並且顯示方程和 R 方的選項被關閉，則圖形將更改為圖 21F 所示。
Figure 21F JMP: Graph Builder – Scatterplot with overlaid regression lines圖 21F JMP：圖形生成器 – 具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，從而提供一種簡單的方法來移動和/或重新縮放軸。 雙擊軸會彈出一組工具來進一步更改圖形，例如從線性刻度更改為對數刻度。
右鍵單擊圖表會彈出一個附加工具菜單，用於更改顯示，例如更改所使用的顏色和符號。
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，選擇圖形類型並選擇選項，但不會看到這些選項的作用。 在 JMP 中，您可以交互式地構建圖表，了解每個選擇將如何改變和增強圖表。 這將帶來更高效、更豐富的數據探索，讓您能夠快速生成無數圖表來發現數據中的特徵，並創建最能傳達您的發現的可視化效果。
JMP 的本地數據過濾器和列切換器是兩個非常強大的工具，可以極大地增強數據的可視化探索。 插圖與廣告實驗數據。
利用 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，其中變量廣告樣式的四個不同類別的置信區間為 95%。 列切換器（如左上角所示）的設置使分析人員可以簡單地選擇（或瀏覽）其他 9 個可能的結果變量以顯示在 Y 軸上。 還使用解釋因素促銷（三個級別）和時間段（10 個級別）設置本地數據過濾器。 分析師可以根據這些變量對數據進行子集化。 對於每個選擇，圖表將立即更新以顯示 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種可能組合單獨創建一個新圖表。
Figure 22 JMP: Column Switcher and Local Data Filter圖 22 JMP：列切換器和本地數據過濾器
JMP 包含許多目前 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 顯示了其中一些可視化效果。
Figure 23A JMP: Hover Graphlet圖 23A JMP：懸停圖
Figure 23B JMP: Image Labels圖 23B JMP：圖像標籤
Figure 23C JMP: Geographic Maps圖 23C JMP：地理地圖
Figure 23D JMP: Motion Bubble Plot圖 23D JMP：運動氣泡圖
Figure 23E JMP: Correlation Color Map圖 23E JMP：相關顏色圖
Figure 23F JMP: Shape Based Heat Maps圖 23F JMP：基於形狀的熱圖
Figure 23G JMP: Density Contour Plot圖 23G JMP：密度等值線圖
Figure 23H JMP: Word Cloud圖 23H JMP：詞云
Figure 23I JMP: Comparative Histograms圖 23I JMP：比較直方圖
Figure 23J JMP: Scaled Parallel Plots圖 23J JMP：按比例縮放的平行圖
Figure 23K JMP: Mosaic Plot圖 23K JMP：馬賽克圖
Figure 23L JMP: Nonlinear Functional Fit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截然不同。 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。
我們將使用以下內容來說明這些分析酸奶生產數據。
迷你表
在 Minitab 中，圖形摘要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，供您選擇要執行分析的變量。 圖 24A 顯示運行分析的步驟，24B 顯示結果輸出。 圖表上顯示的正態分佈曲線是此輸出中可以顯示的唯一分佈。 使用其他概率分佈需要 Minitab 中的不同工具。
Figure 24A Minitab: Graphical Summary圖 24A Minitab：圖形摘要
Figure 24B Minitab: Graphical Summary圖 24B Minitab：圖形摘要
如果需要顯示的統計數據以外的不同統計數據，則需要啟動不同的工具（統計 > 基本統計數據 > 顯示描述性統計數據）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來配合測試，則需要使用兩種不同的附加工具（統計>基本統計>正態性檢驗和圖表>經驗 CDF）來完成。 該過程與運行任何其他分析類似。 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。
Figure 25A Minitab: Normality test圖 25A Minitab：正態性檢驗
Figure 25B Minitab: Normality test圖 25B Minitab：正態性檢驗
要創建 CDF 圖，將啟動不同的工具（圖形>經驗 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良好模型，則可能需要評估其他分佈。 該評估是在不同的工具中執行的（統計>質量工具>個體分佈識別）（步驟和輸出未顯示）。
假設分析的下一步是對總體平均值進行假設檢驗。 為此，需要訪問另一個工具（統計 > 基本統計 > 1-樣本 t）（步驟和輸出未顯示）。 要執行有關方差的假設檢驗，請使用新工具（統計 > 基本統計 > 1 方差）執行相同的過程
分析單個連續變量的其他常見分析包括：等價檢驗、公差區間、預測區間、能力分析等。 每個都需要 Minitab 中的不同工具，並且每個工具都會生成單獨的輸出。 目前，Minitab 無法生成預測區間，因此實際上需要手動創建公式。
聯合管理計劃
JMP 的單變量分析方法截然不同，更符合探索和分析數據的自然工作流程。 JMP 具有單一平台（分析 > 分佈），可以執行上一節中提到的所有分析。 通過從菜單中選擇平台並完成對話框來訪問該平台，如圖 26A 所示。 圖 26B 顯示了初始輸出。
Figure 26A JMP: Distribution圖 26A JMP：分佈
Figure 26B JMP: Distribution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、匯總統計數據和平均值的置信區間。 單擊摘要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信息。
所有提到的分析以及許多其他分析都可以在這一報告窗口內進行。 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，您將在分析工作流程中考慮這些分析。 圖 27 顯示了該菜單以及所選的連續擬合 > 正態分析。
Figure 27 JMP: Distribution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，其中每組新的輸出都添加到一個報告窗口中，以便於進行輕鬆比較。
Figure 28A JMP: Quantile Plot and Distribution Fit圖 28A JMP：分位數圖和分佈擬合
Figure 28B JMP: Goodness of Fit圖 28B JMP：擬合優度
Figure 28C JMP: CDF Plot圖 28C JMP：CDF 圖
Figure 28D JMP: Interactive Distribution Profiler圖 28D JMP：交互式分佈刻畫器
Figure 28E JMP: Interactive Quantile Profiler圖 28E JMP：交互式分位數刻畫器
Figure 28F JMP: Test Mean圖 28F JMP：測試均值
Figure 28G JMP: Test Standard Deviation圖 28G JMP：測試標準偏差
Figure 28H JMP: Prediction Interval圖 28H JMP：預測區間
Figure 28I JMP: Tolerance Interval圖 28I JMP：公差區間
Figure 28J JMP: Equivalence Test圖 28J JMP：等價測試
Figure 28K JMP: Capability Analysis圖 28K JMP：能力分析
還可以使用其他交互式工具，通過“假設”場景提供額外級別的分析功能。 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正在研究的過程之外，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。
Figure 29A JMP: p-value Animation圖 29A JMP：p 值動畫
Figure 29B JMP: Power Animation圖 29B JMP：電源動畫
Figure 29C JMP: Interactive Capability Plot圖 29C JMP：交互能力圖
此交互式報告中還提供本地數據過濾器和列切換器。 圖 30 顯示了為 7 條生產線設置的色譜柱切換器以及為批次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，並且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項分析，從而創建大量需要管理的報告。
Figure 30 JMP: Column Switcher and Local Data Filter圖 30 JMP：列切換器和本地數據過濾器
保存和共享結果
迷你表
每次在 Minitab 中執行分析時，輸出都會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以及所有工作表保存到項目文件中。 單獨的輸出也可以保存為圖像文件（例如.png、.jpg）並放入其他應用程序中。
聯合管理計劃
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、保存為 JMP 日誌文件、保存為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有安全儀表板。 JMP Live 提供在 JMP 外部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，因為這是保存分析工作的最常見方法。
在報告中，選擇報告窗口左上角紅色三角形下方的“保存腳本”>“至數據表”（圖 31A）。
Figure 31A JMP: Saving a script to data table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）。
Figure 31B JMP: Saved Scripts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關聯的所有分析。 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進行子集化、新行狀態）。 腳本可以在窗格中重新排序或分組在一起，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，簡單線性分析）
回歸、簡單邏輯回歸、單因素方差分析和卡方檢驗
比較比例）。 與單變量分析類似，他們研究如何
分析的執行方式非常不同。
我們將使用平板電腦生產數據來說明其中一些分析。
迷你表
在 Minitab 中執行單因素分析時，會啟動適當的工具（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。 生成輸出並將其放置在輸出窗口中。 例如，考慮檢查簡單線性回歸的輸出，需要向圖形添加置信區間，或者檢查殘差圖，或者可能需要將其中一個變量的尺度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。
聯合管理計劃
在 JMP 中，所有單因素分析均在一個平台上執行：分析 > 用 X 擬合 Y。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 如何同時執行多項分析，我們選擇了兩個變量作為Y、響應（溶出度，連續變量；批次驗收，二元變量）和兩個變量作為因子（API 粒徑，一個包含三個變量的分類變量）。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。
- 溶出度與研磨時間的簡單線性回歸。
- 批次驗收與 API 粒徑的列聯表分析。
- 批次驗收與工廠時間的簡單邏輯回歸
Figure 32A JMP: Fit Y by X圖 32A JMP：用 X 擬合 Y
與 JMP 中的許多其他平台一樣，“Fit Y by X”能夠進行包含按變量分類的分析，為該變量的每個水平運行單獨的分析。 該模型還可以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。
這四項分析的初始輸出如圖 32B 所示。 注：行狀態的設置使得滿足溶出度≥70規格的批次顏色編碼為綠色，那些<70的批次顏色編碼為紅色。
每個分析旁邊都有一個紅色三角形熱點，其中顯示了一個上下文菜單，其中包含 JMP 在整體分析中盡可能推薦的後續步驟工具。 由於執行了四種不同的統計分析技術，因此每個菜單下有四組不同的工具。 圖 33 顯示了每個上下文菜單。 您現在可以選擇分析工作流程中的下一步。 每個後續分析都會生成另一組輸出，添加到報告中，並帶有提供其他選項的新紅色三角形熱點。
Figure 32B JMP: Fit Y by X Report圖 32B JMP：通過 X 擬合 Y 報告
Figure 33 JMP: Fit Y by X Contextual Menus圖 33 JMP：按 X 擬合 Y 上下文菜單
為了說明如何在“通過 X 擬合 Y”平台中展開分析，選擇了紅色三角形下的“按研磨時間進行溶出度的二變量擬合”的“擬合線”選項。 圖 34 顯示了現在根據該選擇添加到報告中的輸出。
Figure 34 JMP: Linear Regression Fit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，您可以看到向圖表添加置信區間或預測區間、創建殘差圖、將值保存到數據表等的選項。
Figure 35 JMP: Linear Fit Contextual Menus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、樣條曲線、正交、非參數密度和穩健回歸。 改造可在 Fit 特價下進行。 圖 36 顯示了這些選項。
Figure 36 JMP: Transformation圖 36 JMP：轉換
當您探索和比較不同的模型選擇以找到最適合數據的模型時，可以在報告中添加或刪除正在考慮的每個模型擬合。 圖 37 顯示了添加了二次擬合和非參數密度的顯示。
Figure 37 JMP: Comparing Models圖 37 JMP：比較模型
如果您希望更改使用的變量或選擇數據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 那樣將數據子集到新的數據表中並重新運行分析。
正如此示例再次說明的那樣，在 JMP 中分析數據不僅僅是簡單地對數據集執行特定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，每個結果都會導致一系列分析步驟中的下一個邏輯步驟。
多變量統計模型
建立涉及許多變量的統計模型可能是最強大且最常用的分析類型。 構建這些模型通常有四個目的：
- 用於測試特定假設。
例子：與安慰劑相比，藥物治療 A 是否會使 70 歲以上男性的康復率降低至少 15%？ 女性的效果也一樣嗎？
- 從眾多變量中找出與結果最相關的幾個變量。
例子：與社區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：當加工溫度增加 5 時，溶液的粘度會降低多少0 C 處理時間增加10分鐘？
- 創建一種預測結果的方法。
例子：根據客戶的特徵及其當前抵押貸款，客戶有興趣了解新的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。 所選擇的建模技術通常由這些目標中最重要的一個決定。
迷你表
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，統計 > 方差分析 > 一般線性模型）。 然後，用戶在該對話框中指定要包含的變量以及任何其他相關選項。
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，每個模型都包含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，然後重新運行分析。 考慮的每個可能的模型必須單獨運行，每個模型產生一組不同的輸出。 與 Minitab 中的大多數分析結果一樣，數字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結果，則必須創建一個新的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
· 引導森林 *
· 增強樹 *
· K 最近鄰 *
· 樸素貝葉斯 *
· 支持向量機 *
* 僅限 JMP Pro
除此之外，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，而不是一般建模目的，因此上面沒有列出（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；用於對函數、信號等數據進行建模的功能數據瀏覽器，或系列）。
每個 JMP 建模平台還提供許多有關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供考慮的能力，並允許在處理複雜情況時提供更大的能力（例如，加權最小二乘、懲罰回歸、信息缺失、K 折交叉驗證等等）。
我們將通過使用以下函數擬合 Logistic 回歸模型來說明 JMP Pro 中的模型構建過程：抵押貸款再融資外展數據。
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。 這一平台允許您通過在“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。
Figure 38 JMP and JMP Pro: Fit Model – Personalities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，我們正在擬合一個僅主效應模型。 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帶來的不良結果。
Figure 39A JMP Pro: Fit Mode圖 39A JMP Pro：擬合模式
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 顯示了報告中帶有變量的效果摘要表年齡已選擇。
Figure 39B JMP Pro: Fit Model – Effect Summary for Nominal Logistic Regression圖 39B JMP Pro：擬合模型 – 名義 Logistic 回歸的效果摘要
圖 40 顯示了頂部紅色三角形下方的可用選項。
Figure 40 JMP Pro: Fit Model – Contextual Menu in Nominal Logistic Regression report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。
Figure 41A JMP Pro: Fit Model – Confusion Matrix in Nominal Logistic Regression report圖 41A JMP Pro：擬合模型 – 名義 Logistic 回歸報告中的混淆矩陣
Figure 41B JMP Pro: Fit Model – ROC Curve in Nominal Logistic Regression report圖 41B JMP Pro：擬合模型 – 名義 Logistic 回歸報告中的 ROC 曲線
Figure 41C JMP Pro: Fit Model – Lift Curve in Nominal Logistic Regression report圖 41C JMP Pro：擬合模型 – 名義 Logistic 回歸報告中的提升曲線
Figure 41D JMP Pro: Fit Model – Profiler in Nominal Logistic Regression report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具有可解釋係數的簡單形式時，則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，可以使用各種技術擬合許多不同的模型，並在一份報告中一起呈現結果。 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以及選定的一組模型類型。
Figure 42 JMP Pro: Model Screening圖 42 JMP Pro：模型篩選
圖 43 顯示了報告中生成的一些摘要結果，使您可以輕鬆查看和比較模型性能。 請注意，增強神經網絡模型在驗證數據上的總體錯誤率最低 (16.0%)，而名義 Logistic 回歸為 19.2%。
圖 44 顯示了決策閾值工具，在預測我們在這裡所做的分類結果時，該工具對於評估非常重要。 該工具提供了一種交互式方法來評估當您考慮不同的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，提供對每個模型平台可用的全套工具的訪問。
Figure 43 JMP Pro: Model Screening – Model Summary圖 43 JMP Pro：模型篩選 – 模型摘要
Figure 44 JMP Pro: Model Screening – Decision Threshold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，但您訪問和使用它們的方式不同。 例如：JMP 中的大多數單變量分析都是在分佈平台中執行的，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，為您提供了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 中的典型分析會話要求您管理許多不同的工作表和大量分析輸出。
JMP 通過圖形生成器直觀地探索數據的方法與 Minitab 處理圖形數據的方式截然不同。 正如我們在指南中所演示的，JMP 的圖形生成器允許您查看您正在考慮的每個選項如何更改可視化，為您提供發現數據中的特徵和模式的動態方式。
訪問jmp.com了解有關 JMP 功能的更多信息並查找書籍、網絡研討會、白皮書、課程等學習資源。
關於作者
