级别：初级
【主持人】
Masa Kawasaki，欧柏林大学商业管理学院副教授
[演讲摘要]
当获得虚拟实验数据后，就可以分析每个人的数据。然而，通常情况下，分析是根据受访者的属性使用每个阶层的平均值进行的。如果分层分析结果没有大的差异，由于数据更多，一次性处理整个数据会得到更准确的结果。但如果各层次的分析结果存在明显差异，不分层就无法做出正确的考虑，存在获取错误信息的风险。
在本研究中，我们讨论使用 JMP 进行优化设计对虚拟实验数据进行分层分析。在演示时，我们计划通过案例研究来演示如何使用 JMP17 操作自定义实验设计 (DOE)。
[主讲人简介]
在一家营销研究和咨询公司工作并担任组织人力资源顾问后，他目前是欧柏林大学商业管理学院的副教授。 FREELY LLC 的代表。在大学里，除了商业研究和数据科学课程外，他还负责使用JMP预测学生的GPA（成绩），并使用文部科学省进行练习（人流数据分析、AR应用程序开发），体育、科技DX补贴。从研究生时代起，他就以问卷调查和问卷实验为基础，持续进行分析和设计主题的方法论研究，以及主要应用于教育和组织人力资源领域的案例研究。 https://gproweb1.obirin.ac.jp/obuhp/KgApp?resId=S000489
[共同主持人]
统计数理研究所高桥武则
*仅纸质展览
【论文集锦】
前往征集网站
https://community.jmp.com/t5/Discovery-Summit-Japan-2023/Discovery-Summit-Japan-2023-%E8%AB%96%E6%96%87%E9%9B%86/ta-p /718363
