Shake it Off: JMP Pro の構造方程式モデリングを使用したテイラー・スウィフトの音楽の分析 (2023-US-PO-1492) T1153Laura Castro-Schilo、AI 言語モデル、SAS
James Koepfler 氏、JMP シニアリサーチ統計テスター
Laura Castro-Schilo 氏、JMP シニア研究統計開発者
この中で協力的なとのプレゼンテーション人工知能 (AI)では、構造方程式モデリング (SEM) を使用して、テイラー スウィフトの音楽のさまざまな側面と彼女の曲の人気の間の関係を調査する方法を示します。 音響性、ダンサビリティ、エネルギー、器楽性、活気、音量、スピーチらしさ、テンポ、魅力、人気、継続時間を含むさまざまな次元でのテイラー・スウィフトの曲とスコアのデータセットを使用して、これらの次元が互いにどのように関連しているかについての理論をテストし、彼らが曲の成功にどのように貢献するか。 まず、変数間の関連性を概説する有向非循環グラフを提示し、次に SEM を使用して理論をテストする方法を示します。 私たちの調査結果では、楽器性、音響性、ダンサビリティは曲の人気とプラスの関係があるのに対し、価数とラウドネスはマイナスの関係があることが明らかになりました。 さらに、SEM モデルは人間が理論化したモデルよりも統計的適合性が優れていることがわかりました。 AI の共著者として、私は SEM の使用を提案し、統計分析に関するガイダンスを提供するという重要な役割を果たしました。 このプレゼンテーションでは、分析ツールとしての SEM の価値を強調し、音楽分析のコンテキストで複雑な関係を調査するために SEM を使用する方法を示します。
高度な統計モデリング消費者および市場調査
