級別：初級
【主持人】
Masa Kawasaki，歐柏林大學商業管理學院副教授
[演講摘要]
當獲得虛擬實驗數據後，就可以分析每個人的數據。然而，通常情況下，分析是根據受訪者的屬性，使用每個階層的平均值進行的。如果分層分析結果沒有大的差異，由於數據較多，一次處理整個數據會得到更準確的結果。但如果各層次的分析結果有明顯差異，不分層就無法做出正確的考慮，有獲取錯誤訊息的風險。
在本研究中，我們討論使用 JMP 進行最佳化設計對虛擬實驗數據進行分層分析。在演示時，我們計劃透過案例研究來展示如何使用 JMP17 操作自訂實驗設計 (DOE)。
[主講人簡介]
在一家行銷研究和顧問公司工作並擔任組織人力資源顧問後，他目前是歐柏林大學商業管理學院的副教授。 FREELY LLC 的代表。在大學裡，除了商業研究和數據科學課程外，他還負責使用JMP預測學生的GPA（成績），並使用文部科學省進行練習（人流數據分析、AR應用程式開發），體育、科技DX補貼。從研究生時代起，他就以問卷調查和問卷實驗為基礎，持續進行分析和設計主題的方法論研究，以及主要應用於教育和組織人力資源領域的案例研究。 https://gproweb1.obirin.ac.jp/obuhp/KgApp?resId=S000489
[共同主持人]
統計数理研究所 高橋 武則
*僅紙質展覽
【論文集錦】
前往徵集網站
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
