了解如何：
- 了解目標：確定良率 <70% 的半導體批次的根本原因，並提供良率分佈的總體圖形摘要、根本原因分析、建議的糾正措施和支持糾正措施的圖形報告
- 使用預測器篩選來確定可能的關鍵因素：產量
- 關鍵因素分佈
- 產量與關鍵因素的關係分析（ANOVA 和雙變量擬合）
- 各種圖表、熱圖和箱線圖顯示與關鍵因素的關係，以支持可能的糾正措施
Jason Wiggins 回答的會議問題@Jason_Wiggins馬克·茲瓦爾德@mzwald。
Q：Join 函數中數據丟失怎麼辦？
A：如果滿足匹配條件，缺失值將在連接表中。
問：Y 在預測篩選中可以分類嗎？
答：是的
問：預測變量篩選與線性回歸有何不同？
答：預測器篩選使用 Bootstrap Forest 方法來處理變量貢獻（識別預測器 - 影響響應的 Xs - Ys），而線性回歸對擬合中使用的多項式方程的係數的重要性進行排名。 Bootstrap Forest 的一個好處是它不需要假設模型。預測器篩選不進行回歸，因此它不像響應篩選那樣查看相關性併計算 p 值。 預測器篩选和響應篩選以兩種完全不同的數學方式回答同一個問題。 預測篩選採用數據表的不同隨機子集，在每個子集上生成決策樹，然後對這些樹進行平均。 因此，它實際上並沒有計算 X、Y 相關性之間的 p 值，然後根據這些 p 值對效果進行排名。 它使用隨機森林模型來查看響應的變化有多少來自這些因素。 您也可以使用分析>預測建模>分區來創建單個決策樹。Predictor Screening 按列自動對子集進行（引導森林），並為每個子集生成決策樹，然後創建平均值。 預測器篩選不會遺漏那些本身可能很弱但通過交互作用很強的因素。 您還可以使用響應篩選並比較結果。
問：Predictor Screening Report 中的 Contribution 和 Portion 值是什麼意思？
答：報告顯示預測變量列表及其各自的貢獻和排名。 具有最高貢獻的預測器可能對預測 Y 很重要。 貢獻列顯示每個預測變量對引導森林模型的貢獻。 報告中的部分列顯示每個變量的貢獻百分比。
問：在預測因子篩選中，是否考慮因素交互作用？
答：是的。 確信這一點的一個好方法是使用 Bootstrap Forrest 平台在 JMP Pro 中執行相同的分析。 可以在 Profiler 中找到交互和高階行為的證據。 這很有用，因為我們不必像回歸那樣有一個假設的模型。 我們免費獲得所有這些信息。
問：我是否需要 JMP Pro 進行預測篩選？
答：不，儘管 JMP Predictor Screening 為您提供 JMP Pro Bootstrap Forest 提供的列貢獻報告。 使用 JMP Pro，當您運行 Bootstrap Forest 時，您可以運行模型並保存模型結果，而僅使用 JMP Predictor Screening 則無法做到這一點。
問：在單因素分析和二元分析中，你能用 CMP 給點上色嗎？
答：是的。 只需將值顏色指定為 CMP 列的列屬性。 行 > 顏色或按列標記。然後選擇顏色並保存到列屬性。
Q: Re: 發表報告？ 您可以將報告發佈到私人公司位置嗎？
答：是的，您可以以交互式 HTML 形式發佈到私人位置，獲得 JMP Live 許可的組織可以發佈到任何外部或內部服務器，並設置全方位的證券、群組等。
問：您是否需要特殊版本的 JMP 才能發佈到 JMP Live？
答：JMP Live 是隨 JMP 15 提供的。您的站點需要獲得 JMP Live 許可、建立安全性等。
問：是否可以在不使用 JMP live 的情況下保存交互式報告？
A: 是的，使用 File>Save As 有很多選項。May 報告的一種交互式選項是另存為交互式 html。 如果不保存到 JMP Live，某些功能（如列切換器和數據過濾器）可能不可用。
問：關聯的數據過濾器是否與數據表一起保存？
A：是的，從帶有數據過濾器的報告下的右三角形中，您可以保存腳本>到數據表。您還可以保存腳本>到數據表（所有對象）
問：如果添加行，圖表會更新嗎？
答：許多平台允許您選擇自動重新計算來更改行狀態（添加、刪除、隱藏、排除）。要為報告窗口打開自動重新計算，請單擊平台紅色小三角並選擇重做 > 自動重新計算. 要關閉它，請取消選擇相同的選項。支持自動重新計算的平台在平台首選項中包含一個首選項。要為報告窗口啟用自動重新計算，請單擊報告紅色小三角並選擇重做 > 自動重新計算. 要關閉它，請取消選擇相同的選項。 從任何平台的紅色三角形中，您還可以選擇重做>重做分析。
資源：
