Ruth Hummel，JMP學術大使，SAS
羅布卡弗，斯通希爾學院/布蘭迪斯大學榮譽退休教授
統計學教育者長期以來都認識到專案和案例研究的價值，認為它們是整合課程主題的有效途徑。無論是向初學者介紹統計推理，還是培訓員工掌握分析技巧，讓學生了解分析是在一個更大的流程中進行的，並且該流程應遵循可預測的工作流程，都至關重要。
本次示範將展示如何使用 JMP Project 工具來支援 Airbnb 房源資料分析的各個階段。學生將學習如何使用 JMP Project 環境中的日誌、圖表建構器、查詢建構器以及其他眾多 JMP 工具來記錄整個流程。流程如下：
- 提出問題。
- 明確數據需求和分析計劃。
- 獲取數據。
- 清理資料。
- 進行分析。
- 講述你的故事。
我們透過教授可靠的工作流程，幫助學生掌握統計思維的邏輯，並養成良好的思考習慣，對他們大有裨益。如果沒有工作流程的引導，統計課程就會變成一系列互不關聯、缺乏邏輯的技巧堆砌。而當學生採用專案工作流程的觀點時，各個環節就會以一種令人興奮的方式融會貫通。
自動產生的成績單…
| 揚聲器 |
文字稿 |
| |
歡迎大家。我的名字是 |
| 00 |
07.933 |
| |
3 |
| |
我目前是JMP的品牌大使。 |
| |
退休商學院教授 |
| 00 |
30.566 |
| |
7 |
| |
在學生和 |
| |
一位教授正在進行一個專案。 |
| 00 |
49.700 |
| |
11 |
| |
12 |
| |
引導學生參與統計學 |
| |
推理，教導這一點 |
| 00 |
12.433 |
| |
16 |
| |
對此，目前的想法是 |
| |
學生應該學習 |
| |
關於可重現的工作流程， |
| 00 |
36.266 |
| |
21 |
| |
基礎數據管理。以及 |
| |
再次強調，將統計數據視為 |
| 00 |
58.800 |
| |
25 |
| |
26 |
| |
今天想和你們一起參加這個活動。 |
| |
線上通話。謝謝。 |
| 00 |
20.600 |
| |
30 |
| |
尤其是在曼哈頓， |
| |
你問過我們，所以你 |
| 00 |
36.433 |
| |
34 |
| |
我們最後選擇了Airbnb。 |
| |
從租屋者的角度來看。所以我們是 |
| 00 |
51.733 |
| |
38 |
| |
昂貴的。 |
| |
所以，我們 |
| |
開始填寫…你給了我們 |
| 00 |
09.166 |
| |
43 |
| |
44 |
| |
與您的主要問題不同的另一個問題 |
| |
專注於尋找一席之地 |
| 00 |
36.066 |
| |
49 |
| |
如果你能透過…你就能得到… |
| |
前三個問題，你已經… |
| 00 |
54.100 |
| |
53 |
| |
知道，其中有一部分 |
| |
你對曼哈頓有興趣嗎？ |
| 00 |
11.133 |
| |
58 |
| |
您發送給我們的儲存庫。 |
| |
我們下載了真正的 |
| 00 |
26.433 |
| |
32.866 |
| |
63 |
| |
我們發現的東西，就像 |
| |
該資料集包含四列 |
| 00 |
46.766 |
| |
67 |
| |
弄明白了，就是這樣。 |
| |
第一，是房東所在的社區。所以 |
| 00 |
58.100 |
| |
71 |
| |
72 |
| |
弄清楚了前兩個 |
| |
有很多小東西 |
| 00 |
13.300 |
| |
76 |
| |
曼哈頓。所以我們選擇了它。 |
| |
曼哈頓。然後當我們擁有 |
| 00 |
29.700 |
| |
80 |
| |
就這樣，我們得到了 |
| |
我們的曼哈頓房源清單。所以 |
| 00 |
44.033 |
| |
84 |
| |
數據顯示你會遇到這些問題 |
| |
諸如「為什麼會有四個？」之類的問題 |
| 00 |
03.300 |
| |
88 |
| |
僅限於曼哈頓，我會 |
| |
回去清理一下 |
| 00 |
18.033 |
| |
92 |
| |
數據將描述我們的一切 |
| |
我們來談談如何取得數據。 |
| 00 |
28.400 |
| |
33.200 |
| |
97 |
| |
我知道我應該合併 |
| |
根據郵遞區號進行分類， |
| 00 |
47.166 |
| |
101 |
| |
102 |
| |
107列， |
| |
只是很難找到 |
| 00 |
09.366 |
| |
106 |
| |
所以我們知道必須清理它們。 |
| |
好了，我們還有 |
| 00 |
27.366 |
| |
111 |
| |
筆記日記。為了 |
| |
清理一下，我們使用重新編碼。 |
| 00 |
45.500 |
| |
115 |
| |
沒錯。酷。 |
| |
好的，我們已經完成了清理工作。 |
| 00 |
02.200 |
| |
119 |
| |
曼哈頓稅務資料包含此郵遞區號 |
| |
代碼。所以我有這個郵遞區號。 |
| 00 |
19.300 |
| |
123 |
| |
上課那天，我們談到 |
| |
關於 |
| |
資料類型。請注意… |
| 00 |
42.300 |
| |
128 |
| |
分析分佈狀況 |
| |
那篇文章，會很有趣 |
| 00 |
03.200 |
| |
133 |
| |
曼哈頓其實並沒有真正講述 |
| |
你是個東西。 |
| |
但郵遞區號的清理數據 |
| 00 |
18.466 |
| |
23.266 |
| |
139 |
| |
只是一個標籤，一個標識符，以及 |
| |
更確切地說， |
| |
當你想加入或合併時 |
| 00 |
41.833 |
| |
48.766 |
| |
145 |
| |
很重要。這不僅僅是一個 |
| |
抽象概念。你不能合併 |
| 00 |
03.166 |
| |
11.266 |
| |
150 |
| |
名義型是建模類型， |
| |
我們只是確認了一下。 |
| 00 |
26.200 |
| |
31.033 |
| |
155 |
| |
關於主桌的是 |
| |
列表。我想保留 |
| 00 |
45.533 |
| |
159 |
| |
將其與曼哈頓稅結合起來 |
| |
數據。 |
| |
是啊。然後呢？然後我們需要… |
| 00 |
03.266 |
| |
164 |
| |
告訴它，名為“列” |
| |
拉鍊清潔， |
| |
郵遞區號乾淨… |
| |
差不多了。好了。 |
| |
還有名為 zip 的列， |
| 00 |
33.200 |
| |
171 |
| |
172 |
| |
Airbnb房源 |
| |
並將其與任何內容相匹配 |
| 00 |
57.033 |
| |
177 |
| |
178 |
| |
它們在表格的每一行中，是否 |
| |
它與其他的或 |
| 00 |
13.233 |
| |
182 |
| |
主桌，然後只有東西。 |
| |
與第二個重疊 |
| 00 |
29.600 |
| |
186 |
| |
另一個類似的名字，Airbnb IRS |
| |
還是別的什麼？嗯，很多。 |
| 00 |
50.966 |
| |
190 |
| |
再做一件事 |
| |
因為我注意到這些只是 |
| |
散落在各處的數據表 |
| 00 |
06.666 |
| |
195 |
| |
運行中。好的。那我保存這個 |
| |
數據表。接下來怎麼辦？ |
| |
實際上，這就是數據。 |
| 00 |
19.833 |
| |
22.033 |
| |
26.266 |
| |
35.466 |
| |
203 |
| |
除此之外，別再失去任何東西了 |
| |
讓我們來追蹤一下我們所在的位置。 |
| 00 |
49.733 |
| |
58.800 |
| |
01.833 |
| |
209 |
| |
或者橡樹？ |
| |
進而 |
| |
專案理念的一部分 |
| 00 |
23.700 |
| |
214 |
| |
事情。所以如果你 |
| |
抓住，我會說，拿走 |
| 00 |
50.100 |
| |
218 |
| |
219 |
| |
220 |
| |
兩個原始資料集，然後 |
| |
我的最終合併版本。好了。 |
| 00 |
16.200 |
| |
225 |
| |
將它們作為標籤。 |
| |
當你產生圖表時， |
| 00 |
36.566 |
| |
229 |
| |
230 |
| |
231 |
| |
即使我把它放在這些 |
| |
標籤頁。哇，這真酷。 |
| 00 |
58.833 |
| |
02.500 |
| |
236 |
| |
好，加油橡樹隊！ |
| |
你好，卡弗醫生，謝謝。 |
| 00 |
19.233 |
| |
240 |
| |
你只需瞥一眼就能看到一些 |
| |
這些事情，請告訴我是否 |
| 00 |
32.300 |
| |
244 |
| |
我們使用 Graph Builder 來查看 |
| |
每個街區的價格。 |
| 00 |
45.400 |
| |
248 |
| |
讓它更容易一些 |
| |
比較它們。所以我們… |
| 00 |
01.000 |
| |
252 |
| |
在以下方面擁有豐富的經驗 |
| |
紐約市。所以我們制定了計劃。 |
| 00 |
18.166 |
| |
256 |
| |
站在聯合國大樓前 |
| |
和所有人一起拍張照片 |
| 00 |
31.733 |
| |
260 |
| |
在格拉梅西公園說話或 |
| |
默里山。 |
| |
如果我們回顧一下 |
| 00 |
46.566 |
| |
265 |
| |
我們認為應該擴大我們的 |
| |
搜索範圍擴大到該社區以外 |
| 00 |
58.766 |
| |
269 |
| |
270 |
| |
剛剛繪製了平均值圖。 |
| |
是為了社區，但 |
| 00 |
14.533 |
| |
274 |
| |
建模，以及對…進行建模 |
| |
預測。所以如果我們能… |
| 00 |
30.766 |
| |
279 |
| |
預期價格。我們開始了 |
| |
建構模型以及我們所取得的成果 |
| 00 |
42.800 |
| |
283 |
| |
因素。所以，當我們放入 |
| |
這些因素最終都歸結為一個 |
| 00 |
58.833 |
| |
287 |
| |
此外，還有一些擬合統計數據 |
| |
你在課堂上跟我們講過。 |
| 00 |
15.466 |
| |
292 |
| |
但大部分時間周圍都是雲。 |
| |
那條殘差零線。所以 |
| 00 |
30.766 |
| |
296 |
| |
它比任何一個都大得多。 |
| |
我們的其他模型。所以我們知道 |
| 00 |
45.800 |
| |
300 |
| |
我們使用真實數據的原因。 |
| |
有時候，這是真的。 |
| 00 |
58.266 |
| |
304 |
| |
正在尋找？ |
| |
這是殘差值。 |
| 00 |
19.266 |
| |
309 |
| |
很好。啊，真棒。 |
| |
好的，那我去找找。 |
| 00 |
34.966 |
| |
313 |
| |
這大概就是我們回答的方式。 |
| |
我們幾個重要的問題。 |
| 00 |
47.300 |
| |
317 |
| |
清潔起來非常困難。 |
| |
數據並合併數據。 |
| 00 |
57.866 |
| |
03.500 |
| |
322 |
| |
想示範 JMP 的使用方法 |
| |
結合現實世界 |
| 00 |
28.700 |
| |
327 |
| |
在實際項目中排名第一 |
| |
範圍界定很重要。我們希望 |
| 00 |
47.600 |
| |
331 |
| |
希望帶來 |
| |
對小組來說，第二個陷阱是： |
| |
探索這一點至關重要 |
| 00 |
08.033 |
| |
336 |
| |
數據連結領域 |
| |
結合來自多個來源的數據 |
| 00 |
27.800 |
| |
341 |
| |
錄製 |
| |
並確保可連結 |
| 00 |
45.100 |
| |
345 |
| |
346 |
| |
可重複的研究至關重要。 |
| |
尤其是在團隊環境中， |
| |
尤其是對於可能 |
| 00 |
05.966 |
| |
351 |
| |
保證習慣 |
| |
可重複性。最後， |
| |
我們希望您注意到這些 |
| 00 |
32.633 |
| |
356 |
| |
關於計算和 |
| |
解釋取決於 |
| 00 |
51.900 |
| |
360 |
