Quel graphique préférez-vous ? Les utilisateurs de JMP se voient présenter deux graphiques (A, 
comme indiqué ci-dessous et sont invités à choisir celui qu'ils préfèrent. Après cela, nous leur présentons des graphiques avec différents modèles et leur demandons de choisir également le graphique qu'ils préfèrent.
Il s'agit d'une situation dans laquelle vous menez une « expérience de choix » dans laquelle vous choisissez l'option la plus préférée parmi plusieurs options. Grâce à des expériences de choix, vous pouvez découvrir quel style de graphique est le plus préféré.
En fait, l'année dernière, nous avons mené cette expérience de sélection auprès de clients japonais et organisé un séminaire pour analyser les résultats. Dans ce blog, nous présenterons le contenu et le résumé des résultats de l'expérience de sélection menée à cette époque.
Recherche sur les styles de graphiques JMP
Le but de l'enquête était de trouver la combinaison de paramètres la plus souhaitable pour les quatre styles suivants (1 à 4) pour les graphiques générés par JMP.
| style |
choix |
| ① Bordure du graphique |
Oui, non |
| ②Position sur l'échelle |
dehors , à l'intérieur |
| ➂Couleur de fond de la fenêtre |
blanc, gris clair , gris foncé |
| ④Bordure du cadre |
Oui , non |
Les options affichées en rouge dans le tableau sont les paramètres par défaut de JMP. Ce réglage est-il vraiment optimal ?
Qu'est-ce qu'un modèle de sélection ?
Un modèle qui mène une expérience de choix pour étudier cette question et analyser les données obtenues est appelé « modèle de sélection ». C'est ce qu'on appelle également « analyse conjointe sélective ».
Une expérience de choix modélise les données avec une régression logistique conditionnelle pour estimer la probabilité qu'un certain paramètre soit préféré.
Dans JMP, l'analyse est effectuée en créant un plan d'expérimentation de sélection à l'aide de la plateforme de planification du modèle de sélection , en saisissant les résultats de l'enquête dans le plan et en ajustant le modèle de sélection.
Étapes d’analyse et résultats
Création d'un plan d'expérimentation de sélection
Dans Selection Model Design, vous définissez d’abord le nom de l’attribut (dans ce cas, le style du graphique) et ses niveaux d’attribut (choix).
Les paramètres A et B suivants sont importants pour le paramètre final « Générer un plan ».
A. Nombre de profils par sélection : Précisez le nombre de graphiques à comparer en même temps. Dans ce cas, il est réglé sur "2", donc deux graphiques vous seront présentés et il vous sera demandé de choisir celui que vous préférez.
B. Nombre d'ensembles d'options par enquête : Nombre de questions. Dans ce cas, le paramètre est « 8 », il vous sera donc demandé de répondre à 8 modèles de questions à choix multiples en vous demandant laquelle vous préférez.
Mener une enquête basée sur le tableau de planification et saisir les résultats de l'enquête (réponses)
Effectuez une enquête basée sur le tableau de planification créé et saisissez les résultats dans le tableau de données. Le tableau ci-dessous montre les résultats pour un répondant. Il y a 8 ensembles de choix, et chaque ensemble de choix comporte 2 choix de réponses (A, , il se compose donc de 16 lignes.
Dans la colonne « Variable de l'indicateur de réponse » (la colonne colorée en orange), saisissez « 1 » pour les options sélectionnées et « 0 » pour les options non sélectionnées.Par exemple, dans le cadre rouge de la figure ci-dessous, la première option (A, est que B est préféré, donc la colonne « Variable d'indicateur de réponse » a une valeur de « 0 » dans la première ligne et de « 1 » dans la deuxième ligne. " est saisie.
Faites cela pour autant de personnes qu’il y a de répondants. Dans cette enquête, 97 personnes ont répondu, nous avons donc créé des données pour 97 personnes. Pour votre information, les graphiques pour chaque choix (8 modèles) et la répartition de leurs réponses sont joints comme matériel pour ce blog (Choice_Results.pdf).
Ajustement d'un modèle de sélection
Cliquez sur le script "Modèle de sélection" inclus dans le tableau de données pour appliquer le modèle de sélection. Le rapport obtenu est le suivant.
Le terme « utilité » apparaît dans les analyses conjointes telles que les modèles de choix, mais il doit ici être compris comme « satisfaction à l'égard du graphique ».
Le rapport « Estimations des paramètres » montre les valeurs estimées et les erreurs types des coefficients qui indiquent dans quelle mesure chaque élément influence l'utilité (appelée utilité partielle).
Le rapport « Test du rapport de vraisemblance » affiche les résultats du test de signification pour chaque facteur. Dans cet exemple, les deux éléments significatifs au niveau de signification de 5 % sont la « bordure du graphique » et la « bordure du cadre ». En d’autres termes, on pense que la différence entre l’existence de limites de graphe ou de limites de trame influence l’utilité.
profil utilitaire
Le « profil d'utilité » ci-dessous est un graphique de la valeur d'utilité prévue pour chaque niveau (choix) de facteur (style). Ce graphique vous permet de voir comment l'utilité évolue à mesure que vous modifiez vos choix. La valeur prévue de l'utilité est déterminée à partir des estimations de paramètres (utilités partielles) décrites ci-dessus.
Les paramètres qui maximisent l'utilité (c'est-à-dire maximisent la satisfaction du graphique) sont les suivants.
Bordure du graphique : aucune
Position de l'échelle : extérieur
Couleur du fond de la fenêtre : gris clair
Bordure du cadre : Oui
Il s'agit du paramètre par défaut de JMP ! Sur la base de 97 réponses, nous avons constaté que les paramètres par défaut de JMP constituaient finalement le meilleur style.
Voyons maintenant la probabilité que chaque graphique soit sélectionné lors de la comparaison du paramètre par défaut de JMP sans bordure de cadre.
Vous pouvez le vérifier en sélectionnant l'option Profil de probabilité . Spécifiez les paramètres par défaut de JMP dans la section « Critères » en bas et spécifiez le niveau de paramètres que vous souhaitez comparer dans la section Profil.
La probabilité (axe vertical) à ce moment est affichée comme 0,376. À partir de là, les probabilités de sélection pour chacun sont déterminées comme suit.
Probabilité que les paramètres par défaut de JMP soient sélectionnés : 0,624 (1 - 0,376)
Probabilité que les paramètres que vous souhaitez comparer soient sélectionnés : 0,376
Bien que cela ne soit pas illustré ici, vous pouvez utiliser l'option [Profil de sélection multiple] pour calculer les probabilités de sélection pour trois paramètres de style ou plus.
Pour l'instant, je suis soulagé d'avoir conclu que les paramètres par défaut de JMP sont les paramètres graphiques optimaux.
par Naoyu Masukawa (JMP Japon)
Naohiro Masukawa - Communauté d'utilisateurs JMP
