こんにちは、
みんな。
私の 名前 は 知呉 梁、
統計学者 から プロクター & ギャンブル 会社。
私は のサポート 仕事 で ブリュッセル 革新 中心 のために P&G。
私の 主要 仕事 は やっている その 消費者 調査 データ 分析。
今日、 ナラヤナン そして I 意思 現在
その G rowth曲線モデリング に 測定 インパクト
の その 温度 そして 使用法A マウント の上 洗剤 パフォーマンス。
次 スライド、 お願いします。
ここ は その コンテンツ 私たちは 意思 カバー 今日。
初め、 I 意思 与える その 簡単な 導入 について その 構造方程式モデル
そして a 少し について その データ 私たちは 意思 なれ 使用して のために 私たちの モデリング。
それから I 意思 振り向く に ナラヤナン に 導入 その 成長曲線モデリング、
モデル 建物 プロセス プラス その ジャンプ デモ。
それなし 表示、 I 意思 現在 その 結論 そして 次 手順。
次 スライド、 お願いします .
その 構造方程式モデリング
は a 多変量 技術
それ は 使用済み に テスト a セット の その 関係
間 その 観察された そして その 潜在的な 変数
による 比較する その モデル 予測された 共分散 マトリックス
そして 観察された 共分散 マトリックス。
で として、 何 私たちは 持っている 終わり は、
観察された 変数 は マニフェスト 変数
として その インジケータ のために 潜在的な 変数、
どれの は 使用して その 測定 モデル に 構築します。
潜在的 変数 形状 a 回帰 モデル
に 建てる a ネットワーク どれの 私たちは 電話 その 構造 モデル。
ここ は 一つの 例 と その 三つ 潜在的な 変数、
八 o 観察された 変数 で JMP、 それで その として 構造。
として あなた できる 見る で その ボタン 左 チャート、
その 丸 代表する その 潜在的な 変数、
どれの は 計算された を通して その 指標 のように クリーニング、
として その 潜在的な 変数 は 示された による その 満杯 四角
代表する その マニフェスト 変数
全体 クリーニング、 染色 除去、 白さ そして 輝度。
同じ として その 鮮度、 潜在的な 変数 示された による その 三つ マニフェスト 変数。
もし あなた 見て で その 右 側 の その ウィンドウ、
その 読み込み中 ウィンドウ 見せる その 構造 のために その 測定 モデル
どうやって これ 個人 潜在的な 変数 関係する に その インジケータ。
その ボタン の その 回帰 ウィンドウ 表示する 二 回帰 モデル：
クリーニング ドライブの総合評価、 鮮度 ドライ 総合評価。
これ は その 構造 のために その 構造 方程式 モデル。
次 スライド、 お願いします。
その データ 私たちは 使用 のために 私たちの 成長曲線モデリング
は その 調査 データ 私たちは 行為 で その フランス と その 119 消費者。
私たちは 分ける これ 119 消費者 の中へ グループ。
60歳 の 彼ら 使用 コントロール 製品、
どれの は その アリエル、 可溶性 ユニット 用量、 その ポッド、
で 私たちの データ セット、 マークされた として 0。
別の 59 消費者 使用 テスト 製品 は その エコラベル 製品、 コード として 1.
それぞれ 消費者、 その間 その 12 数週間 の その テスト、
初め 4つ 数週間、 彼らは 使用 彼らの 自分の 製品。
それから 彼らは 意思 行く に その 八 週の テスト 週、
使用 1つ の 私たちの 割り当て 製品、 どちらか 使用 その アリエル 南 または エコラベル。
それから のために それぞれ 時間 の その 洗う、
その 消費者 意思 埋める で その アンケート、
提供する いくつかの 情報 について 彼らの 洗浄 行動、
そのような として その 洗浄 温度、
番号 の その ポッド 使用済み、 土壌 レベル の その ファブリック、 どうやって 汚い それ は、
そして 全体 評価 の その パフォーマンス のために その 製品。
私たちの モデリング 客観的 は 試す に テスト もし そこには は a 製品 効果
の上 その 全体 パフォーマンス 評価、
洗浄 温度 の上 その 全体 パフォーマンス 評価、
番号 の その ポッド 使用済み のために 全体 評価
のために それぞれ の その 洗う。
次 スライド、 お願いします。
以来 毎 消費者、 彼らは 持っている a 違う 洗浄 癖、
彼らは 持っている 違う 状態、
ない 全て の その 消費者 もっている その 同じ 番号 の 洗う その間 その テスト 週。
したがって、 に 作る 毎 消費者
その 重さ 等しい で 私たちの モデル 建物 データ セット、
私たちは 初め 集計 その 消費者 データ による その パネリスト レベル による 毎週 基礎。
あなた 取る その 平均 洗浄 温度
その間 それ 週 のために その 特定の 消費者、
番号 の ポッド 使用済み、
そして その 全体 評価 のために それぞれ 負荷 その間 それ 週。
後 これ 集計 データ、
私たちは 使用 その 探索的な 道具 のように ジャンプ グラフ ビルダー
に 識別する もし そこには どれでも リニア 傾向 のために 総合評価、
のために 温度 傾向 その間 その テスト 週、
そして その 番号 の その ポッド 使用して 傾向 その間 その テスト 週。
以来 その 探索的な ステージ , オール は かわいい 安定した
で その 週 9 に 週 12, 私たちは 使用 その 傍受 のみ モデル のために オール。
それから のために その 温度 のために その 製品 そして その 番号 の その ポッド 使用済み
から これ 探索的な ステージ、
私たちは 見つかった そこには は どちらか 増加 または 減少した 傾向。
したがって、 私たちは 使用 その リニア 成長 モデル に 説明する その 温度 インジケータ
そして その 番号 の ポッド インジケータ。
に 説明する その 製品 インパクト、
私たちは また 含む その 製品 製造された 変数 で 私たちの モデル。
それから 私たちは 初め 建てる a 成長 曲線 モデル のために 温度 番号 の その ポッド、
それから 追加 これ 潜在的な 変数 に 建てる a 回帰 モデル から 製品 変数、
傍受 の 温度、 スロープ の 温度、
傍受 の その 番号 の ポッド 使用済み、 スロープ の その 番号 の ポッド 使用済み
に 傍受 の その オール に 建てる 多変量、 その 成長曲線モデル。
今私は だろう 振り向く に ナラヤナン に 導入 潜在的な 成長曲線モデル。
ナラヤナン、 その あなたの 振り向く。
感謝 あなた、 志武、 のために その 素晴らしい [聞き取れない 00:06:49]。
こんにちは、 みんな。 私の 名前 は ナラヤナン。
I 午前 一つの 非常勤講師 教授 で その 大学 の シンシナティ、
しかし I 教える コース の上 データ 鉱業 使用して ジャンプ。
私は のように に 始める による 与える a とても 広い 意味
の 何 は 潜在的な 成長曲線モデリング。
として 私たちは 行く 平行、 I 5月 使用 その 文字 LG CM に 代表する
潜在成長曲線モデリング、
そして として に 代表する 構造方程式モデリング。
潜在成長曲線モデリング は 基本的に a 方法 に モデル
縦方向 データ 使用して その として フレームワーク。
なぜなら それ は 建てられた で その として フレームワーク、
それ もっている 全て その 利点 の 指定する そして テスト 関係、
として 知呉 だった 説明 と その 例 の 構造方程式モデリング。
A s a 側 注記、 I だろう のように に 言及 それ LGCM
は 実は 一つの 応用 の 確認的な 要素 分析、
どれの は 実は a サブモデル 内で 構造方程式モデリング
と その 追加した 平均 構造、
そして これ 意思 なれ 説明 いつ 私たちは 得る の中へ ジャンプ。
1つ の その 利点 の 使用して その として フレームワーク
は それ 私たちは は できる に 評価する モデル フィット。
させて 私たち 見て で その 声明 そこには、
どれの 言う、 毎 モデル 暗示する a 共分散 マトリックス そして 平均 構造。
何 これ 本当に 手段 は それ
その 観察された 共分散 マトリックス そして その 平均 ベクター
できる なれ 実は 再現 による その モデル パラメータ 推定値
どれの は 推定 使用して その 潜在成長曲線モデリング。
その 平等 間 その 二 は 何 多くの の これら フィット インデックス
は 実は テスト。
1つ の その 最古 1つ は その カイ二乗 テスト
そして その 仮説 それ は テスト は 実は リストされている そこには：
その 平等 間 その 人口、
そして その モデル 予測された 共分散 マトリックス、
そして その 平均 ベクトル。
しかし、 これ テスト、 どれの は 1つ の その 最年長、
もっている いくつかの 時計- 外。
1つ は それ その テスト 統計 関数 は サンプル サイズ、
どれの 手段 それ 大きい サンプル サイズ 意思 傾向がある に 拒否する その モデル
平 のために 些細な 違い。
その 他の 1つ は それ その テスト は グローバル
そして する ない 反映する ローカルフィット のような できた なれ 測定された による R平方。
A また、 その フィット は あまりにも ちょうど として 指定された で その 仮説。
私たちは 知る から その 有名な 箱 声明 それ 全て モデル は 間違っている。
私たちの モデル は のみ ただ 一つの 近似値。
なぜなら の これ、 そこには 持っている された いくつかの 代替 フィット 対策
それ 持っている された 提案した。
私は のように に 言及 三つ の 彼ら ここ。
その 初め は その 根 平均 四角 エラー の 近似値。
これ は 実は 測定 モデル 不適合者、 調整する のために その サンプル サイズ、
どれの だった 一つの 問題 と その カイ二乗 テスト。
これ は 実は a 不良- の- フィット 測定、 それで より低い 数字 は より良い。
しかし 1つ の その 利点 の 使用して これ フィット 測定
は それ 私たちは 持っている a 自信 間隔 のために それ、
そして その 提案された しきい値 のために これ フィット 測定
は それ その アッパー 縛られた
の その 自信 間隔 は 少ない よりも 0.10。
次の は a 比較 フィットI 索引 そして 非正規化 フィット 索引。
これら は 相対的 推定値、 そして 彼らは 実は テスト
どうやって 良い は あなたの 提案された モデル
比較すると に a ベースライン モデル、
どれの は いつもの a モデル の いいえ 関係。
これ は a よかった の- フィット 測定、
そして それで その 提案された 基準 ここ は それ これら フィット 対策
クロス a しきい値 の で 少しでも 0.95。
その 最後 1つ は a 標準化された 根 平均 スクエアド 残留物。
これ は 実は 一つの 平均 二乗 残留 の 全て その 要素
で その 共分散 マトリックス。
これ は a 不良- の- フィット 測定。
また、 私たちは は 見ている のために 小さい 数字、
そして その 提案された しきい値 ここ は それ これ 価値 は 少ない よりも 0.08。
の上 トップ の 全て これ、 ついに、 する ない 忘れる に チェック その 実際の 残差、
その 標準化された 残差。
何 私たちは は 見ている のために ここ は 数字 どれの は 超えて
マイナス2 そして プラス2 しきい値。
その アイデア ここ は に 見て で その 皆既日食 の フィット
そして ない ただ どれでも 1つ 測定。
持つ 議論した フィット 対策、
さあ 私たち 見て で その 縦方向 プロセス 私たちは 欲しい に 勉強。
子呉は説明した 三つ 違う プロセス。
初め 1つ は 成功 基準 として 測定された による 全体 満足 評価
から 週 9 に 週 12.
それから 私たちは 持っている 得た 二 時間は変化する で 共変量。
それ 手段 これら は 変化する 以上 時間。
1つ は その 気温 設定
で どれの その 製品 だった 使用済み から 週 5 に 週 12,
そして それから その 額 の 製品 使用済み また から 週 5 に 週 12.
それから ついに、 私たちは 持っている 一つの インジケータ 変数
示す 何 タイプ の 製品 それ は、 そして これ は a 時間不変 共変量
しない 変化 と 時間。
その モデリング 戦略 私たちは は 行く に 使用、
初め、 だった 行く に 視覚化する データ 使用して グラフ ビルダー。
それから 私たちは は 選択する a 一変量 潜在的な 成長 曲線 モデル
のために それぞれ の その プロセス。
それから 私たちは 組み合わせる 全て の 彼ら、
置く 一緒に として a 多変量 LGCM。
それから 良い ついに テスト その 仮説 それ 知呉 提案された、
どれの は どうやって 良い その 製品 そして 他の 成長 要因
インパクト 全体 満足。
私たちは 意思 選ぶ その 最も単純な モデル いつ 私たちは 建てる。
I 午前 行く に 得る の中へ ジャンプ。
I 午前 ランニング ジャンプ 18歳 どれの は 一つの 早い 養子 バージョン、
そして I 午前 行く に 見せる いくつかの スクリプト、
そして I 意思 見せる あなた どうやって I 得た に いくつかの の これら から その ジャンプ プラットフォーム。
その 初め もの I 欲しい に する は 視覚化する その 全体 満足、
そして これら は 軌道。
何 これら です、です 基本的に 個人 の上 それぞれ ライン から 週 9 に 週 12.
ここ、 その 全体 満足 プロットされた ここ
のために それぞれ の その 119 消費者。
彼らは 基本的に 1つ 軌道 のために それぞれ 消費者。
もし あなた 見て で これ 特定の 消費者、 行 番号 16,
それ 人の 軌道 は の上 a 下向き 傾向
から 週 9 を通して 週 12.
彼らは 開始 どこか で その 50代半ば、 そして による その 時間 彼らは は で 週 12,
彼らの 満足 測定 もっている 来る 下 に について 37.5 の上 a 規模 の 0～100。
させて 私たち 見て で 別の 人。
これ 人 ここ 誰が 使用済み その アリエル 製品、
彼らの 軌道 は の上 一つの 上向き スイング
行く から その 70年代半ば おそらく に その 早い 90年代
による その 時間 彼らは 到着 週 12.
彼らは は 取得 もっと そして もっと 満足
週 以上 週。
ごめん のために それ。
A バブル 画面 表示中 上。
何 私たちは 欲しい に する は 私たちは 欲しい に 理解する
どうやって 違う 消費者
は 体験する 満足 以上 その 数週間、
そして その 変化 で これら プロセス のために これら 消費者
は 何 私たちは 欲しい に モデル 使用して LGCM。
何 私は 行く に する は 私は 行く に 振り向く の上 その スクリプト、
LGCM の 全体 満足。
I 持っている 建てられた ここ 三つ 違う モデル。
何 これら は 基本的に その 潜在的な 変数 対応する に 一つの 傍受
のために これら 繰り返し 対策 の その 全体 満足
から 週 9 を通して 週 12.
私は 建てられた 三つ 違う モデル。
私は 建てられた a 4番目 モデル、
どれの は a 簡素化 の その 初め モデル。
私は 建てられた a 成長なし モデル、
どれの 手段 違う 人々
持っている 違う レベル の 満足 で その 始まり、 どれの は 週 9、
しかし それから 彼らの 軌道 平らにする 外 そして する ない 育つ 以上 時間。
2番 モデル は a リニア 成長 モデル、 どれの 手段 それ 軌道 する 変化
で a リニア ファッション 以上 時間。
その 三番目 モデル は a 二次関数 モデル、 どれの 手段 彼らの 軌道 変化
で a 二次関数 ファッション 以上 時間。
それから ついに、 私は 得た a 簡素化 の その 初め モデル、
しかし 私は 仮定 ほとんど 弾性 または いいえ 変化 で その 分散 横切って 時間。
私は 行く に 見て で これら フィット 対策
それ I 話した について
そして 選ぶ その モデル それ フィット その 最高。
何 私は 見ている のために は 低い 価値観 の カイ二乗、
高い 価値観 の CFI、 どれの 手段 CFI 行く の上 a 規模 から 0-1
そして 低い 価値観 の RMSEA、 どれの また 行く の上 a 規模 から 0-1。
それ 見た目 のように 全て 私の モデル、 いいえ- 成長、 リニア 成長、 そして 二次関数 成長、
フィット その データ 平等に 良い。
しかし しかし、 私は 行く に 取る その 最も単純な の その モデル
なぜなら もし I 見て で その 推定値 として I できる
で その パス 図、
多くの の これら 係数 関連する に その スロープ、
その リニア スロープ または その 二次関数 スロープ、
は 実は ない 重要な として 表示されている による その 点在 行。
で これ リニア 成長 モデル、 何 私たちは 持っている は 一つの 傍受、
どれの 対策 その イニシャル レベル の 満足、
そして スロープ、 どれの 対策
その レート の 増加 の その 満足 以上 時間
または レート の 減少 の 満足 以上 時間。
S ロープ 対策 それ、 傍受 対策 その イニシャル レベル。
私たちは できる 見る 全て その 推定値 関連している に その スロープ
は 実は ない 重要な として 示された による 点在 行。
同じ は その 状況 のために その 二次関数 モデル また。
したがって、 私は 行く に 取る その 最も単純な の その モデル、
どれの は その いいえ- 成長 モデル のために これ プロセス、
どれの は 全体 満足。
させて 自分 見せる あなた どうやって I する これ。
で JMP、 行く 下 その 分析する そして 選ぶ 多変量 そして 選ぶ
S 構造方程式モデル プラットフォーム。
選ぶ その 繰り返し 対策、 で これ 場合 は オール から 週 9
を通して 週 12.
落とす 彼ら で モデル 変数 箱 そして クリック わかりました。
私たちは 持っている 得た これら 4つ 繰り返し 対策
利用可能 として モデリング 変数 で その パス 図 エリア。
I できる 建てる これ モデル から 傷 使用して その パス 図、
しかし ジャンプ もっている 作った それ より簡単に による 使用して ショートカット。
私は 行く に 行く 下 その モデル ショートカット、 赤 三角形、
選ぶ 経度 分析、 そして チェック その リニア 潜在的な 成長 曲線
または その 傍受のみ モデル。
もし I 選ぶ その 傍受のみ モデル、
I 得る これ パス 図 どれの あなた 見た で 私の スクリプト。
もし I 走る その モデル、
あなた 意思 得る その 推定値 そして その フィット 統計 のために これ モデル。
もし あなた 欲しい に 追加 その リニア 成長 モデル
に する その 同じ もの、 来る Mの下 モデル ショートカット、
縦方向 分析、 そして リニア G rowth 曲線モデル。
今私たちは 持っている 得た ない のみ 一つの イニシャル レベル
として 代表される による その 傍受 潜在的な 変数、
私たちは 得た その レート の 成長 の これ プロセス
として 代表される による その スロープ 潜在的な 変数。
私たちは できる 走る これ モデル。
クリック の上 走る、
そして あなた 得る その モデル 推定値、 として I 示した あなた 前に、
どれの は ない 重要な のために その スロープ 潜在的な 変数。
あなた 得る その フィット 統計 右 ここ 下 その モデル 比較 テーブル。
T ヘセズ モデル は 簡単 に フィット で ジャンプ 使用して その モデル ショートカット メニュー
利用可能 下 その モデル ショートカット。
私は 行く に 近い その 1つ I ただ 作成されました。
私たちは 持っている それで 遠い 建てられた
a 一変量 LGCM のために a シングル プロセス。
私は 行く に 繰り返す その 同じ もの のために その 他の 二 成長 プロセス 私たちは 持っている、
そして だった 行く に 見て で その 洗う 温度 軌道。
させて 自分 見せる あなた どうやって に する これ で ジャンプ。
で JMP、 で グラフ、 クリック の上 グラフ ビルダー そして 開ける 上 その 温度 変数。
私たちは 欲しい に 見て で 温度 から 週 5 を通して 週 12.
落とす 彼ら の上 その x軸。
のために その タイプ の グラフ あなた 欲しい、
選ぶ その 最後 アイコン で その バー で その トップ。
これ は a 平行 プロット。
そこには 意思 なれ いくつかの 滑らかさ 関連する と これ。
ドラッグ これ 手紙 バー 全て その 方法 に その 左。
そこには すべき なれ いいえ 滑らかさ で 全て。
取る その 製品 変数、 どれの は 一つの インジケータ 変数、
置く 彼ら の上 かぶせる。
今あなた 得る 個人 軌道。
もし あなた 欲しい に 追加 その 平均 軌道、
選ぶ その 6番目 アイコン の上 これ ツールバー から 左。
クリック の上 その シフト 鍵 そして クリック の上 これ。
今あなた 得る それ 平均 軌道
の 温度 使用済み 以上 これら 八 数週間。
クリック の上 終わり
に 得る その プロット と もっと 本物 エステート。
これ は その通り その プロット それ I 示した 使用して その スクリプト。
あなた できる 明らかに 見る それ
から 週 7 今後、 そこには かもしれない なれ a 成長
で その 温度 設定。
それ 見た目 のように 人々 は 増加 その 温度
として 時間 進歩する 7週目から を通して 週 12.
私は 行く に 近い これ。
私たちは 持っている a グラフ に 視覚化する
その 軌道 の その 温度 設定。
私たちは 繰り返す その 同じ もの。
私たちは 欲しい に 選ぶ a モデル のために それ プロセス。
A s 前に、 I 建てられた その 同じ 三つ モデル:
成長なし、 a リニア 成長、 そして a 二次関数 成長。
私は 行く に 見て で その フィット 統計 ここ。
これ 時間、 私たちは 見る 絶対に a 重要な 改善
で 行く から その いいえ- 成長 に リニア 成長
で 条項 の その フィット 統計。
その 二次関数 成長 は a 限界的な 増加 以上 その リニア 成長 モデル。
また、 のために その 同じ 理由 として 前に、
全て その 推定値 で その 二次関数 スロープ は 実は ない 重要な。
に 保つ もの 単純、 私は 行く に 選ぶ その よりシンプル モデル、
どれの は その リニア 成長 のために 温度。
その 最後 プロセス は その 下 使用法。
これ は その 番号 の ポッド。
今 私たちは できる 見る 明らかに 一つの 増加 傾向、
もっと それで のために その エコラベル 製品、
どれの 手段 人々 は 使用して もっと そして もっと 製品
いつ 彼らは 使用 エコラベル として 比較すると に アリエル、
どれの は a P&G 製品。
I 欲しい に モデル これ。
させて 自分 近い それ。
クリック の上 その スクリプト のために LG CM の 下 使用法。
私は 行く に 見て で その フィット 統計。
A 得、 I 見る a 良い モデル フィット、
特に その リニア そして その 二次関数。
のために その 同じ 理由 として 前に、 私は 行く に 選ぶ その リニア モデル。
ここ I 欲しい に 見て で
その 推定値 のために その 二次関数 スロープ、
そして これ は 何 I 平均 による ない 選択する その 二次関数 スロープ
なぜなら あなたは 得た 全て その パラメータ ポイント単位 に それ に なれ ない 重要な。
今私たちは 持っている 得た a モデル のために それぞれ の その 三つ プロセス。
私たちは 選んだ a 成長なし モデル のために 全体 満足。
私たちは 選んだ a リニア 成長 モデル のために 低い 温度。
今私は 行く に 置く 彼ら 全て 一緒に
使用して a 多変量、 潜在的な 成長曲線モデル。
これ は 基本的に 全て その 三つ プロセス 置く 一緒に。
ここ 、 私 欲しい に 見せる あなた その 類似性
間 a 確認的な 要素 分析 モデル
そして 潜在的な 成長曲線モデル として だった 尖った 外 で その 前の スライド。
あなた できる 見る それ そこには は a 平均 構造 追加した に それ
と a 三角形 と a 番号 1つ、
そして そこには は 線 行く から それ に それぞれ の その 潜在的な 変数。
もし I 右クリック そして 使用 その 見せる オプション そして ない 見せる その 平均 構造、
あなた できる 見る その おなじみ 確認的な 要素 分析 モデル
と 潜在的な 変数 そして その 指標 関連する と それぞれ 1つ の 彼ら。
私たちは 持っている a シングル 潜在的な 変数、 傍受 のために その 全体 満足。
私たちは 持っている 二 潜在的な 変数 のために その 温度、
どれの は イニシャル 傍受 そして その スロープ。
私たちは 持っている その 同じ 2つの潜在的な 変数 示す その 下 使用法。
イニシャル レベル として 代表される による その 整数 ポッド
そして その レート の 変化 の 製品 使用法 として 示された による その slp ポッド、
どれの は 基本的に その スロープ の ポッド。
させて 自分 置く 戻る その 手段 有効化されました。
今私たちは できる 実は 見て で その 推定値 の これら、
どれの は 本当に 1つ の その 重要 ポッド
の その 潜在的な 成長曲線モデル。
何 私たちは 持っている ここ は 一つの 見積もり
の その イニシャル レベル の 満足 で 9週目
なぜなら それ だった その 起動 時間 期間 のために 全体 満足。
それは について 71 の上 a 規模 の 0～100。
これ は その 平均 温度 設定 で 9週目
どれの は 36 度 摂氏。
ここ は その 製品 使用法、 1.4 ポーチ。
ここ は その レート の 変化 の 製品 使用法
なぜなら そこには は a スロープ の 製品 使用法、 その レイテンシー 変数、
どれの は について 0.02。
人々 は 使用して わずかに もっと として 時間 行く の上。
それ は 何 私たちは 得る。
その 全体 フィット の これ モデル は また かなり 良い。
I 考える 私たちは 見た それ。
CFIまさに で その しきい値 0.95、
そして 私たちの アッパー 縛られた の その RMSEA は 絶対に 少ない よりも 0.1。
今私たちは 行く に その 最後 モデル、
どれの は その 仮説 それ 知呉 望んでいた に テスト、
どこ 私たちは 欲しい に 見る もし 製品、
その インジケータ 変数、 そして その 他の 成長 要因
持っている a 重要な インパクト の上 全体 満足。
で 注文 に 取り除く その 乱雑、
I 持っている ない 表示されている 全て その 指標。
全て 私たちは は 見る は のみ その 円、
どれの 代表する その 潜在的な 要因 のために それぞれ の その 成長 曲線 モデル
そして a シングル 製品 変数 示す 何 タイプ の 製品 それ は。
もう一度、 私たち 見て で その フィット の これ モデル。
フィット の これ モデル は 確かに 良い。
私たちは 持っている a 0.95 のために その CFI。
私たちは 持っている 少ない よりも 0.1 のために その アッパー 縛られた の その RMSEA。
私たちは 意思 見て で もっと フィット インデックス
後 私たちは 解釈する いくつかの の その 推定値 ここ。
私は 行く に 解釈する その 固体 線 どれの は 重要な 係数。
私たちは 持っている a 重要な 製品 効果
から その 製品 変数 に その 傍受 の 全体 満足。
これ できる なれ 解釈された 基本的に として a 回帰 係数、
どれの は その 平均 レベル の 満足
のために 製品 コード化された 1
マイナス その 平均 レベル の 満足 のために 製品コード 0。
アリエル は コード化された として 製品 0,
それで 私たちは 持っている 多くの もっと 満足 と アリエル、
a デルタ の ネガティブ 9インチ 好意 の アリエル
の上 a 規模 の 0- 100。
それ は a 大きい 変化。
デルタ で 好意 の その アリエル 製品。
させて 私たち 見て で その 製品 効果 の上 ポッド。
また、 その 同じ 方法、 平均 額 の 製品 使用済み
のために 製品 コード化された 1 マイナス 製品 コード化された 0。
これ 時間、 私たちは は 使用して もっと の その エコラベル 製品。
もし あなた は a メーカー の アリエル、 これ は 良い ニュース のために あなた。
A また、 その レート の 変化 の 製品 使用
は また もっと のために エコラベル 比較すると に アリエル、
または 0.02 ポーチ から 週 に 週。
ついに、 私たちは 持っている その 傍受 の 温度
持つ a ネガティブ インパクト の上 その 全体 満足、
どれの 手段 より高い 気温 鉛 に 少ない 満足。
覚えて、 これら は 製品 どれの は 販売された として 冷水洗浄 製品。
それ 手段 彼らは すべき 仕事 より良い で 寒い 気温
そして ない より高い 気温。
I また 欲しい に 見せる あなた どこ あなた できる 見て のために 他の フィット 統計 超えて
何 は 来る 外 で その モデル 比較 テーブル。
下 その S 構造方程式モデル で 赤 三角形、
もし あなた チェック の上 フィット 指数、 どれの 私は すでに チェック済み、
そこには は もっと フィット インデックス それ できる なれ 表示されている で その 底。
私たちは 欲しい に 見て で CFI そして RMSEA、 どれの 私たちは すでに 見た、
そして ここ は その 標準化された 根 手段 なぜ 残余、
どれの I 議論した。
これ は また その通り で その しきい値 の 0.08。
全て で 全て、 で 条項 の フィット インデックス、 私たちの モデル する フィット とても 良い。
ついに、
I 言った あなた ない に 忘れる その 残差。
これら は 正規化された 残差 で 条項 の その 測定された 変数。
私たちは 持っている 21 測定された 変数、 八 のために ポッド、 八 のために 気温、
4つ のために 全体 満足、 そして 1つ のために その 製品 変数。
これ は a 21 による 21 マトリックス。
何 私たちは は 見ている のために
は 数字 どれの は 外 その プラス 2 マイナス 2 範囲。
そこには は ただ あまりにも 多くの 数字 に 見て で で その テーブル、
しかし ジャンプ 生産する a ヒートマップ。
ヒートマップ オプション は また 下 その 赤 三角形。
何 私たちは は 見ている のために は 暗い 赤 または 暗い 青。
ここ、 私たちは 持っている 二 暗い 赤
どれの は 関係 ポッド間 使用法 で 6週目 ,
温度 で 週 12,
下 使用法 で 週 6、 そして 温度 で 9週目。
ついに、 私たちは 持っている 1つ、
なぜなら これ は ただ a 鏡 画像 の その 1つ それ は ここ。
これ は その 関係 間 温度 で 週 9
そして 温度 で 週 10, どれの は ない モデル化されました。
これ できた 実は なれ モデル化された
による 追加する 一つの エラー 共分散、 どれの I した ない する。
もし I した これ、 その モデル、 で 事実、 だろう なれ 平 より良い。
I 欲しい に 行く 戻る に その プレゼンテーション そして 要約する 何 私たちは 持っている 見つかった。
すみません、 間違っている スライド。
で 条項 の 結論、 私たちは 開始 その グラフ ビルダー
に 視覚化する 私たちの 軌道、
そして 私たちは 建てられた 潜在的な 成長 曲線 モデル 使用して その として プラットフォーム。
私たちは 延長 から 一変量 に 多変量 モデル。
A ll 私たちの モデル、 含む その 最後 1つ、 持っていた 許容できる フィット、 で 事実、 良い フィット。
製品 持っていた a 重要な インパクト の上 オール、
どれの 手段 アリエル は より良い よりも エコラベル で 条項 の その 全体 満足
そして 重要な インパクト の上 その 番号 の ポッド、
どれの 手段 少ない 製品 だった 使用済み のために アリエル 比較すると に エコラベル、
そして また から 週 に 週。
インターセプト 持っていた a ネガティブ インパクト の上 オール、 どれの 手段 人々 好む
より低い 温度 設定 よりも より高い 温度 設定。
もし あなた は a P&G メーカー、 これ は 良い ニュース のために あなた
なぜなら アリエル 作品 より良い よりも エコ ラベル
で これ モデリング フレームワーク それ 私たちは 持っている 終わり。
私は 行く に 振り向く それ 以上 に 知呉 に 見る 何 その 次 手順 は
から これ モデル 結果。
知乎？
感謝 あなた とても 多くの。
感謝 あなた、 ナラヤナン、 そして とても 素晴らしい プレゼンテーション
そして 素晴らしい デモ。
として ナラヤナン 言及された、
その モデリング 結果 証明する その 製品 もっている a 重要な インパクト
に その 全体的な満足度 の その パフォーマンス
の その 洗剤 製品 で 私たちの テスト。
これ 結果 提供する 私たちに 自信 私たちは作ることができる a とても クリア 請求、
アリエル 製品 は a 好意 に その 冷水洗浄 できる なれ 使用済み 少ない よりも その 普通 製品。
これ は また モデリング 確認する その 消費者 行動 変化。
もし あなた 使用 アリエル 製品、 あなた 意思 持っている もっと 洗浄 負荷
行く に その 冷水洗浄、 使用 少ない エネルギー そして 使用 少ない 製品。
また、 私たちは プラン に 行為 大きい サイズ 消費者 勉強 のために 含む その もっと
共変量 変数 で その 未来 モデリング ステージ のように その 添加剤 使用法
そして その 洗浄 サイクル の 毎 洗う そして その 低い サイズ あたり 洗う。
これ は 私たちの 次 ステップ。
次 スライド。
今私たちは だろう のように に 取る 質問 もし あなた 持っている どれでも。
感謝 あなた とても 多くの のために 出席する その プレゼンテーション。
私たちは 見て フォワード に あなたの 質問 おそらく で その ジャンプ サミット。
