<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />你好！我对 JMP 还很陌生，如果您能提供任何帮助，我将不胜感激。 我阅读了教程并搜索了 JMP 社区，但仍然遇到问题。 我有一组市场研究调查数据，我想对其进行驱动分析。我了解线性回归是进行驱动因素分析的方法，即确定哪些变量对因变量的影响最大。 在这种情况下，自变量是评级问题（例如“你如何评价口味，1-5 的等级？”），因变量是购买意愿（“你有多大可能购买这个产品，在1-5 的比例？”）。 所有变量都是名义上的。 每个变量都有 5 个可能的响应——至少在我理解这一点并扩展分析以包括更多变量之前，至少现在是这样。
有没有人对市场研究数据进行过驱动分析，可以提供帮助吗？或者，如果不是针对该特定应用程序，我是否可以获得理解回归模型的帮助？
我在做这件事时遇到的问题：
1）我在运行拟合模型时选择名义逻辑作为个性。 我有 1 个 Y 和 12 个构造模型效果变量。 我期望得到 12 个模型效应变量中的每一个的 beta 系数，加上 ap 值以确定它是否有意义。 但我没有看到一个单一的贝塔系数估计。 相反，在参数估计部分下，对每一种可能的响应都有估计（例如 口味 [优秀]、口味 [非常好]、口味 [好]、口味 [一般]、口味 [差]），并且这些变量集中的每一个都重复 4 次。 因此，参数估计项的列表很长。 我期望它是 13 个项目，一个用于每个变量加上一个用于截距，而是有几个屏幕长。 我如何解释这些估计？
2) Effect Likelihood Ratio Tests 部分列出了每个变量和 ap 值，所以在这里我可以清楚地看到哪些变量很重要并且适合回归以预测因变量。 但它并没有告诉我相对重要性。
3) 效果摘要部分是否显示出相对重要性？如何解释 LogScale 列？我想说最重要的变量是这 5 个变量（或任何具有 0.1 或更小的 ap 值的变量），其中变量 A 最重要，其重要性是变量 B 的两倍，等等。 我希望从 beta 系数中得到它，例如，品味的标准化系数为 0.2 意味着品味评级增加 1 将导致购买意愿增加 0.2。 如果香气系数为 0.1，那么它的重要性将减半，因为香气等级增加 1 会导致购买意愿增加 0.1。
一旦我弄清楚了这一点，我就需要知道是否可以使用具有不同名义尺度的变量运行回归。 但现在我需要了解基础知识！
请帮忙！谢谢！
你好，
您可以尝试的第一件事是确定您的所有自变量是否都处于活动状态并且对驱动因素分析很重要。 像您一样设置回归，然后转到“个性”下拉列表，如果是“名义”，则选择“逐步”。 选择确定。 这将带您进入逐步过程的另一个窗口。 你会在那里看到几个选项来改变事情。 现在接受默认值并选择左中间的 Go。 处理可能需要几秒钟的时间，但是一旦算法完成，请选择右上角的“制作模型”。 这将打开一个新窗口，您将在其中查看哪些因素对您的驱动程序分析很重要。再次选择“确定”，您将进入构建模型时当前看到的相同模型报告。
您还应该观看一些掌握 JMP 点播视频，这些视频将展示更多关于连续数据和名义数据回归的信息。
这不是您所有（或任何）问题的答案，但其中许多问题将通过视频得到解答。
尝试以下链接中的视频开始。
指定和拟合模型 | JMP
HTH
账单
