你好，每个人。
我的姓名是志吾梁,
统计员从宝洁公司&赌公司。
我是支持的商业在布鲁塞尔创新中心为了宝洁公司。
我的主要的工作是正在做这消费者民意调查数据分析。
今天，纳拉亚南和我将要展示
这G行曲线建模到措施影响
的这温度和用法A山在洗涤剂表现。
下一个滑动，请。
这里是这内容我们将要覆盖今天。
第一的，我将要给这简短的介绍关于这结构方程模型
和A少量关于这数据我们将要是使用为了我们的造型。
然后我将要转动到纳拉亚南到介绍这生长曲线建模，
模型建筑过程加这联合管理计划演示。
没有显示，我将要展示这结论和下一个脚步。
下一个滑动，请。
这结构方程建模
是A多变量技术
那是用过的到测试A放的这关系
之间这观察到的和这潜变量
经过比较这模型预料到的协方差矩阵
和观察到的协方差矩阵。
在扫描电镜，什么我们有完毕是，
观察到的变量是显现多变的
作为这指标为了潜变量，
哪个是使用这测量模型到构造。
潜变量形式A回归模型
到建造A网络哪个我们称呼这结构模型。
这里是一个例子和这三潜多变的，
八哦观察到的多变的在杰普,所以这扫描电镜结构。
作为你能看在这按钮左边图表，
这圆圈代表这潜多变的，
哪个是计算出的通过这指标喜欢打扫，
作为这潜多变的是表明的经过这满的正方形
代表这显现多变的
全面的打扫，弄脏移动，白度和亮度。
相同的作为这新鲜，潜多变的表明的经过这三显现多变的。
如果你看在这正确的边的这窗户，
这加载中窗户展示这结构为了这测量模型
如何这个人潜多变的涉及到这指标。
这按钮的这回归窗户显示二回归模型：
打扫推动整体评级，新鲜干燥总体评价。
这是这结构为了这结构方程模型。
下一个滑动，请。
这数据我们使用为了我们的生长曲线建模
是这民意调查数据我们执行在这法国和这119消费者。
我们划分这119消费者进入组。
六十的他们使用控制产品，
哪个是这阿里尔，易溶单元剂量，这豆荚，
在我们的数据放，标记的作为0。
其他59消费者使用测试产品是这生态标签产品，代码作为1.
每个消费者，期间这12周的这测试，
第一的四几周，他们使用他们的自己的产品。
然后他们将要去到这八一周的测试星期，
使用一的我们的指派产品，任何一个使用这爱丽儿南德或者生态标签。
然后为了每个时间的这洗，
这消费者将要充满在这问卷调查，
提供一些信息关于他们的洗涤行为，
这样的作为这洗涤温度，
数字的这豆荚用过的，土壤等级的这织物，如何肮脏的它是，
和全面的评分的这表现为了这产品。
我们的造型客观的是尝试到测试如果那里是A产品影响
在这全面的表现评分，
洗涤温度在这全面的表现评分，
数字的这豆荚用过的为了全面的评分
为了每个的这洗。
下一个滑动，请。
自从每一个消费者，他们有A不同的洗涤习惯，
他们有不同的健康）状况，
不是全部的这消费者有这相同的数字的洗期间这测试星期。
所以，到制作每一个消费者
这重量平等的在我们的模型建筑数据放，
我们第一的总计的这消费者数据经过这小组成员等级经过每周基础。
你拿这平均的洗涤温度
期间那星期为了这特别的消费者，
数字的豆荚用过的，
和这全面的评分为了每个加载期间那星期。
后这总计的数据，
我们使用这探索性的工具喜欢联合管理计划图形建设者
到确认如果有任何线性趋势为了总体评价，
为了温度趋势期间这测试星期，
和这数字的这豆荚使用趋势期间这测试星期。
自从这探索性的阶段,桨是漂亮的稳定的
在这星期9到星期12、我们使用这截距仅有的模型为了桨。
然后为了这温度为了这产品并为这数字的这豆荚用过的
从这探索性的阶段，
我们成立那里是任何一个增加或者减少趋势。
所以，我们使用这线性生长模型到描述这温度指标
和这数字的豆荚指标。
到解释这产品影响，
我们还包括这产品制造的多变的在我们的模型。
然后我们第一的建造A生长曲线模型为了温度数字的这豆荚，
然后添加这潜多变的到建造A回归模型从产品多变的，
截距的温度，坡的温度，
截距的这数字的豆荚用过的，坡的这数字的豆荚用过的
到截距的这桨到建造多变量，这增长曲线模型。
现在我会转动到纳拉亚南到介绍潜增长曲线模型。
纳拉亚南,它是你的转动。
感谢你，志武,为了这伟大的[听不清 00:06:49]。
你好，每个人。 我的姓名是纳拉亚南。
我是一个附件教授在这大学的辛辛那提，
但我教培训班在数据矿业使用JMP。
ID喜欢到开始经过给予A非常广阔定义
的什么是潜生长曲线建模。
作为我们去沿着，我可能使用这字母LG厘米到代表
潜在生长曲线建模，
和扫描电镜到代表结构方程建模。
潜在生长曲线建模是基本上A方式到模型
纵数据使用这扫描电镜框架。
因为它是建成在这扫描电镜框架，
它有全部这优点的指定和测试关系，
作为志吾曾是解释和这例子的结构方程建模。
A s A边笔记，我会喜欢到提到那LGCM
是实际上一个应用的确认性的因素分析，
哪个是实际上A子模型之内结构方程建模
和这添加意思是结构，
和这将要是解释了什么时候我们得到进入JMP。
一的这好处的使用这扫描电镜框架
是那我们是有能力的到评价模型合身。
让我们看在这陈述那里，
哪个说，每一个模型暗示A协方差矩阵和意思是结构。
什么这真的方法是那
这观察到的协方差矩阵和这意思是向量
能是实际上转载经过这模型范围估计
哪个是估计的使用这潜在生长曲线建模。
这平等之间这二是什么许多的这些合身指数
是实际上测试。
一的这最老的一是这卡方测试
和这假设它是测试是实际上列出那里：
这平等之间这人口，
和这模型预料到的协方差矩阵，
和这意思是向量。
然而，这测试，哪个是一的这最老的，
有一些手表-出去。
一是那这测试统计在一个功能是样本尺寸，
哪个方法那更大样本尺寸将要趋向到拒绝这模型
甚至为了琐碎的差异。
这其他一是那这测试是全球的
和做不是反映当地适合例如可以是测量的经过R 方。
A也是，这合身是也精确的作为指定的在这假设。
我们知道从这著名的盒子陈述那全部楷模是错误的。
我们的楷模是仅有的只是一个近似。
因为的这，那里有到过一些选择合身措施
那有到过建议的。
ID喜欢到提到三的他们这里。
这第一的是这根意思是正方形错误的近似。
这是实际上测量模型不适应，调整为了这样本尺寸，
哪个曾是一个问题和这卡方测试。
这是实际上A坏事-的-合身措施，所以降低数字是更好的。
但一的这优点的使用这合身措施
是那我们有A信心间隔为了它，
和这建议临界点为了这合身措施
是那这上边界
的这信心间隔是较少的比0.10。
下一个是A比较适合我指数和非规范合身指数。
这些是相对的估计，和他们是实际上测试
如何好的是你的建议的模型
比较的到A基线模型，
哪个是通常A模型的不关系。
这是A天哪-的-合身措施，
和所以这建议标准这里是那这些合身措施
叉A临界点的在至少0.95。
这最后的一是A标准化根意思是平方剩余的。
这是实际上一个平均的平方剩余的的全部这元素
在这协方差矩阵。
这是A坏事-的-合身措施。
再次，我们是看着为了较小数字，
和这建议临界点这里是那这价值是较少的比0.08。
在顶部的全部这，最后，做不是忘记到查看这实际的残差，
这标准化残差。
什么我们是看着为了这里是数字哪个是超过
负2和加2临界点。
这主意这里是到看在这整体性的合身
和不是只是任何一措施。
拥有讨论过合身措施，
现在让我们看在这纵过程我们想到学习。
志武描述三不同的流程。
第一的一是成功标准作为测量的经过全面的满意评分
从星期9到星期12.
然后我们有得到二时间不同英协变量。
那方法这些是变化的超过时间。
一是这温度环境
在哪个这产品曾是用过的从星期5到星期12、
和然后这数量的产品用过的还从星期5到星期12.
然后最后，我们有一个指标多变的
表明什么类型的产品它是，和这是A时间不变的协变量
不改变和时间。
这造型战略我们是去到使用，
第一的，是去到可视化数据使用图形建造者。
然后我们是选择A单变量潜生长曲线模型
为了每个的这流程。
然后我们结合全部的他们，
放一起作为A多变量LGCM。
然后出色地最后测试这假设那志吾建议的，
哪个是如何出色地这产品和其他生长因素
影响全面的满意。
我们将要选择这最简单的模型什么时候我们建造。
我是去到得到进入JMP。
我是跑步联合管理计划18、哪个是一个早期的收养者版本，
和我是去到展示一些脚本，
和我将要展示你如何我得到到一些的这些从这联合管理计划平台。
这第一的事物我想到做是可视化这全面的满意，
和这些是轨迹。
什么这些是，是基本上个人在每个线从星期9到星期12.
这里，这全面的满意绘制的这里
为了每个的这119消费者。
他们是基本上一弹道为了每个消费者。
如果你看在这特别的消费者，排数字16、
那人的弹道是在A向下趋势
从星期9通过星期12.
他们开始了某处在这50年代中期，和经过这时间他们是在星期12、
他们的满意措施有来向下到关于37.5在A规模的0-100。
让我们看在其他人。
这人这里WHO用过的这爱丽儿产品，
他们的弹道是在一个向上摇摆
去从这70年代中期大概到这早期的90年代
经过这时间他们抵达星期12.
他们是得到更多的和更多的使满意
星期超过星期。
对不起为了那。
A气泡屏幕显示向上。
什么我们想到做是我们想到理解
如何不同的消费者
是经历满意超过这几周，
和这改变在这些流程为了这些消费者
是什么我们想到模型使用LGCM。
什么我是去到做是我是去到转动在这脚本，
LGCM的全面的满意。
我有建成这里三不同的楷模。
什么这些是基本上这潜多变的对应到一个截距
为了这些重复措施的这全面的满意
从星期9通过星期12.
我有建成三不同的楷模。
我有建成A第四模型，
哪个是A简化的这第一的模型。
我有建成A没有增长模型，
哪个方法不同的人们
有不同的级别的满意在这开始，哪个是星期9、
但然后他们的轨迹压扁出去和做不是生长超过时间。
第二模型是A线性生长模型，哪个方法那轨迹做改变
在A线性时尚超过时间。
这第三模型是A二次的模型，哪个方法他们的轨迹改变
在A二次的时尚超过时间。
然后最后，我有得到A简化的这第一的模型，
但我是假设几乎弹性或者不改变在这方差穿过时间。
我是去到看在这些合身措施
那我谈过关于
和选择这模型那适合这最好的。
什么我是看着为了是低的价值观的卡方，
高的价值观的CFI，哪个方法CFI去在A规模从0-1
和低的价值观的均方根误差分析,哪个还去在A规模从0-1。
它看起来喜欢全部我的楷模，不-生长，线性生长，和二次的生长，
合身这数据一样出色地。
但然而，我是去到拿这最简单的的这楷模
因为如果我看在这估计作为我能
在这小路图表，
许多的这些系数有关到这坡，
这线性坡或者这二次的坡，
是实际上不是重要的作为显示经过这点缀的线。
在这线性生长模型，什么我们有是一个截距，
哪个措施这最初的等级的满意，
和坡，哪个措施
这速度的增加的这满意超过时间
或者速度的减少的满意超过时间。
S洛普措施那，截距措施这最初的等级。
我们能看全部这估计有关的到这坡
是实际上不是重要的作为表明的经过点缀的线。
相同是这情况为了这二次的模型还。
所以，我是去到拿这最简单的的这模型，
哪个是这不-生长模型为了这过程，
哪个是全面的满意。
让我展示你如何我做这。
在杰普,去在下面这分析和挑选多变量和选择
的S结构方程模型平台。
选择这重复措施，在这案件是桨从星期9
通过星期12.
降低他们在模型变量盒子和点击好的。
我们有得到这些四重复措施
可用的作为造型变量在这小路图表区域。
我能建造这模型从划痕使用这小路图表，
但联合管理计划有制成它更轻松经过使用快捷方式。
我是去到去在下面这模型捷径，红色的三角形，
选择经度分析，和查看这线性潜生长曲线
或者这仅拦截模型。
如果我选择这仅拦截模型，
我得到这小路图表哪个你锯在我的脚本。
如果我跑步这模型，
你将要得到这估计和这合身统计为了这模型。
如果你想到添加这线性生长模型
到做这相同的事物，来下M奥德尔快捷方式，
纵分析，和线性G行曲线模型。
现在我们有得到不是仅有的一个最初的等级
作为代表经过这截距潜多变的，
我们已经得到这速度的生长的这过程
作为代表经过这坡潜多变的。
我们能跑步这模型。
点击在跑步，
和你得到这模型估计，作为我显示你前，
哪个是不是重要的为了这坡潜多变的。
你得到这合身统计数据正确的这里在下面这模型比较桌子。
时间赫塞楷模是简单的到合身在联合管理计划使用这模型捷径菜单
可用的在下面这模型捷径。
我是去到关闭这一我只是创建的。
我们有所以远的建成
A单变量LGCM为了A单身的过程。
我是去到重复这相同的事物为了这其他二生长过程我们有，
和是去到看在这洗温度轨迹。
让我展示你如何到做这在JMP。
在杰普,在图形，点击在图形建设者和打开向上这温度变量。
我们想到看在温度从星期5通过星期12.
降低他们在这x 轴。
为了这类型的图形你想，
选择这最后的图标在这酒吧在这顶部。
这是A平行线阴谋。
那里将要是一些平滑度联系和这。
拖这信酒吧全部这方式到这左边。
那里应该是不平滑度在全部。
拿这产品多变的，哪个是一个指标多变的，
放他们在覆盖。
现在轮到你得到个人轨迹。
如果你想到添加这平均的弹道，
选择这第六图标在这工具栏从左边。
点击在这转移钥匙和点击在这。
现在轮到你得到那平均的弹道
的温度用过的超过这些八几周。
点击在完毕
到得到这阴谋和更多的真实的财产。
这是确切地这阴谋那我显示使用这脚本。
你能清楚地看那
从星期7向前，那里可能是A生长
在这温度环境。
它看起来喜欢人们是增加这温度
作为时间进步从第 7 周开始通过星期12.
我是去到关闭这。
我们有A图形到可视化
这轨迹的这温度环境。
我们重复这相同的事物。
我们想到选择A模型为了那过程。
A s前，我建成这相同的三楷模：
无增长， A线性生长，和A二次的生长。
我是去到看在这合身统计这里。
这时间，我们看确实A重要的改进
在去从这不-生长到线性生长
在条款的这合身统计数据。
这二次的生长是A边缘增加超过这线性生长模型。
再次，为了这相同的原因作为前，
全部这估计在这二次的坡是实际上不是重要的。
到保持事物简单的，我是去到选择这更简单模型，
哪个是这线性生长为了温度。
这最后的过程是这荚用法。
这是这数字的豆荚。
现在我们能看清楚地一个增加趋势，
更多的所以为了这生态标签产品，
哪个方法人们是使用更多的和更多的产品
什么时候他们使用生态标签作为比较的到阿里尔，
哪个是A宝洁公司产品。
我想到模型这。
让我关闭那。
点击在这脚本为了LG厘米的荚用法。
我是去到看在这合身统计。
A获得，我看A好的模型合身，
尤其这线性和这二次的。
为了这相同的原因作为前，我是去到选择这线性模型。
这里我想到看在
这估计为了这二次的坡，
和这是什么我意思是经过不是选择这二次的坡
因为你已经得到全部这参数点单位到那到是不是重要的。
现在我们有得到A模型为了每个的这三流程。
我们选择了A没有增长模型为了全面的满意。
我们选择了A线性生长模型为了低的温度。
现在我去到放他们全部一起
使用A多变量，潜增长曲线模型。
这是基本上全部这三流程放一起。
这里， 我想到展示你这相似
之间A确认性的因素分析模型
和潜增长曲线模型作为曾是尖出去在这以前的滑动。
你能看那那里是A意思是结构添加到它
和A三角形和A数字一，
和那里是线去从那到每个的这潜变量。
如果我右键点击和使用这展示选项和不是展示这意思是结构，
你能看这熟悉的确认性的因素分析模型
和潜变量和这指标联系和每个一的他们。
我们有A单身的潜多变的，截距为了这全面的满意。
我们有二潜变量为了这温度，
哪个是最初的截距和这坡。
我们有这相同的两个潜伏变量表明这荚用法。
最初的等级作为代表经过这整数豆荚
和这速度的改变的产品用法作为表明的经过这斯利普豆荚，
哪个是基本上这坡的豆荚。
让我放后退这方法活性。
现在我们能实际上看在这估计的这些，
哪个是真的一的这重要的豆荚
的这潜增长曲线模型。
什么我们有这里是一个估计
的这最初的等级的满意在第 9 周
因为那曾是这开始时间时期为了全面的满意。
那是关于71在A规模的0-100。
这是这平均的温度环境在第 9 周，
哪个是36度摄氏度。
这里是这产品用法， 1.4小袋。
这里是这速度的改变的产品用法
因为那里是A坡的产品用法，这潜伏多变的，
哪个是关于0.02。
人们是使用轻微地更多的作为时间去在。
那是什么我们得到。
这全面的合身的这模型是还相当好的。
我思考我们锯那。
CFI 完全正确在这临界点0.95,
和我们的上边界的这均方根误差分析是确实较少的比0.1。
现在我们去到这最后的模型，
哪个是这假设那志吾通缉到测试，
在哪里我们想到看如果产品，
这指标多变的，和这其他生长因素
有A重要的影响在全面的满意。
在命令到消除这杂乱，
我有不是显示全部这指标。
全部我们是看到是仅有的这界，
哪个代表这潜因素为了每个的这生长曲线楷模
和A单身的产品多变的表明什么类型的产品它是。
再次，让我们看在这合身的这模型。
合身的这模型是的确好的。
我们有A 0.95为了这CFI。
我们有较少的比0.1为了这上边界的这均方根分析法。
我们将要看在更多的合身指数
后我们解释一些的这估计这里。
我是去到解释这坚硬的线哪个是重要的系数。
我们有A重要的产品影响
从这产品多变的到这截距的全面的满意。
这能是解释的基本上作为A回归系数，
哪个是这平均的等级的满意
为了产品编码的1
减这平均的等级的满意为了产品编码0。
爱丽儿是编码的作为产品0,
所以我们有很多更多的满意和阿里尔，
A三角洲的消极的9英寸青睐的爱丽儿
在A规模的0- 100.
那是A大的改变。
三角洲在青睐的这爱丽儿产品。
让我们看在这产品影响在豆荚。
再次，这相同的方式，平均的数量的产品用过的
为了产品编码的1减产品编码的0。
这时间，我们是使用更多的的这生态标签产品。
如果你是A制造商的阿里尔，这是好的消息为了你。
A也是，这速度的改变的产品使用
是还更多的为了生态标签比较的到阿里尔，
或者0.02小袋从星期到星期。
最后，我们有这截距的温度
拥有A消极的影响在这全面的满意，
哪个方法更高温度带领到较少的满意。
记住，这些是产品哪个是上市的作为冷水洗产品。
那方法他们应该工作更好的在寒冷的温度
和不是更高温度。
我还想到展示你在哪里你能看为了其他合身统计数据超过
什么是未来出去在这模型比较桌子。
在下面这S结构方程模型在红色的三角形，
如果你查看在合身指数，哪个我有已经检查过，
那里是更多的合身指数那能是显示在这底部。
我们想到看在CFI和均方根误差分析,哪个我们已经已经看到,
和这里是这标准化根方法方形剩余的，
哪个我讨论过。
这是还确切地在这临界点的0.08。
全部在全部，在条款的合身指数，我们的模型做合身相当出色地。
最后，
我告诉你不是到忘记这残差。
这些是归一化残差在条款的这测量的变量。
我们有21测量的变量，八为了豆荚，八为了温度，
四为了全面的满意，和一为了这产品多变的。
这是A 21经过21矩阵。
什么我们是看着为了
是数字哪个是外部这加2减2范围。
那里是只是也许多数字到看在在这桌子，
但联合管理计划产生A热图。
热图选项是还在下面这红色的三角形。
什么我们是看着为了是黑暗的红色的或者黑暗的蓝色的。
这里，我们有二黑暗的红人
哪个是关系吊舱之间用法在第 6 周,
温度在星期12、
荚用法在星期6、和温度在第 9 周。
最后，我们有一，
因为这是只是A镜子图像的这一那是这里。
这是这关系之间温度在星期9
和温度在星期10、哪个是不是建模。
这可以实际上是建模的
经过添加一个错误协方差，哪个我做过不是做。
如果我做过这，这模型，在事实，会是甚至更好的。
我想到去后退到这推介会和总结什么我们有成立。
哎呀，对不起，错误的滑动。
在条款的结论，我们开始了这图形建设者
到可视化我们的轨迹，
和我们建成潜生长曲线模型使用这扫描电镜平台。
我们扩展从单变量到多变量楷模。
A二我们的楷模，包括这最后的一，有可以接受合身，在事实，好的合身。
产品有A重要的影响在桨，
哪个方法爱丽儿是更好的比生态标签在条款的它是全面的满意
和重要的影响在这数字的豆荚，
哪个方法较少的产品曾是用过的为了爱丽儿比较的到生态标签，
和还从星期到星期。
截距有A消极的影响在桨，哪个方法人们更喜欢
降低温度环境比更高温度环境。
如果你是A宝洁公司制造商，这是好的消息为了你
因为爱丽儿作品更好的比生态标签
在这造型框架那我们有完毕。
我是去到转动它超过到志吾到看什么这下一个脚步是
从这模型结果。
志吾？
感谢你非常很多。
感谢你，纳拉亚南,和非常出色的推介会
和精彩的演示。
作为纳拉亚南提及，
这造型结果证明这产品有A重要的影响
到这总体满意度的这表现
的这洗涤剂产品在我们的测试。
这结果提供我们的信心我们可以做A非常清除宣称，
爱丽儿产品是A青睐到这冷水洗能是用过的较少的比这普通的产品。
这是还造型确认这消费者行为改变。
如果你使用爱丽儿产品，你将要有更多的洗涤负载
去到这冷水洗，使用较少的活力和使用较少的产品。
还，我们计划到执行大尺寸消费者学习为了包括这更多的
协变量变量在这未来造型阶段喜欢这添加剂用法
和这洗涤循环的每一个洗和这低的尺寸每洗。
这是我们的下一个步。
下一个滑动。
现在我们会喜欢到拿问题如果你有任何。
感谢你非常很多为了出席这推介会。
我们看向前到你的问题大概在这联合管理计划首脑。
