動物收容所努力將狗永久安置在個人和家庭的家中。然而，一項長期回顧性研究估計，被收養後返回收容所的狗的比例約為 9%。返回收容所的狗會影響可用於照顧其他動物的資源。確定返回庇護所的根本原因可以為旨在減少這種現象的規劃提供資訊。
使用紐約大型收容所繫統的資料集（包含 3,465 隻首次收容所的狗，在接收後六個月進行追蹤），我們確定了潛在的干預領域，透過多種模型降低收養狗的返回率。本研究計畫報告的模型是邏輯迴歸與逐步變數選擇相結合，旨在探索狗被返回到大量協變量的機率之間的關係。機器學習模型也適合併與邏輯迴歸模型進行比較，產生相似但更細微的結果。
我們發現，狗的年齡、攻擊行為傾向、品種、停留時間和收容所地理位置與狗被歸還的機率有關。此外，我們發現在收容所之間運送狗與返回機率無關。 JMP 易於使用的互動式分析和視覺化幫助幾乎沒有接受過統計培訓的客戶理解並最終自行執行分析。這些發現將指導幹預措施的資源分配，例如教育材料或培訓計劃，這可能有助於降低整體回報率。
