varbanov.ar는 범주형 플랫폼의 다중 응답 옵션과 관련된 몇 가지 질문을 전달했습니다.
저는 더 폭넓은 독자들에게 알리기 위해 여기서 그 질문에 답변하고 있습니다.
Requests/Questions for JMP Categorical Experts:We need more clarity on the different Multiple Response options and output in JMP Categorical. Can someone of the JMP Categorical Experts give us a short demo with answering some questions about it? Is there a technical report with some more explanation for the different statistical test used by this Platform. In particular, we have also the following questions:1) What is the definition of multiple responses?
JMP 범주형에서 다중 응답 데이터는 응답 범주가 상호 배타적이지 않은 설문 항목(또는 기타 프로세스)에서 파생됩니다. 다중 응답 데이터의 일반적인 출처는 "해당되는 모든 항목 선택" 설문 항목입니다. 다중 응답은 반복 측정 데이터를 의미하지 않습니다.
여러 응답 데이터를 데이터 파일에 표현하는 방법에는 여러 가지가 있습니다.데이터가 길 수 있습니다.즉, 고유한 응답 항목과 응답자 ID 조합마다 행이 있습니다(예: 샘플 데이터 라이브러리 > 품질 관리 > Failure3ID.jmp > "실패" 열 참조).데이터가 넓을 수 있습니다.즉, 각 행이 한 명의 응답자를 나타내고 선택한 응답 옵션을 나타내는 여러 열이 있습니다(샘플 데이터 라이브러리 > 소비자 선호도.jmp > "깨어난 후 닦기"부터 "다른 시간 닦기" 열 참조).응답자당 한 행과 선택한 응답 옵션의 구분된 목록이 포함된 한 열이 있을 수도 있습니다(샘플 데이터 라이브러리 > 소비자 선호도.jmp > "구분된 닦기" 열 참조).후자의 접근 방식을 사용하면 "다중 응답" 열 속성을 열에 할당할 수 있으며 구조화된 표에서 열이 "최상위" 변수로 사용될 때 중복 샘플에 대한 적절한 수정 사항이 통계적 비교에 적용됩니다. (참고: "열" 메뉴 아래의 "지표 열 만들기" 및 "열 결합" 유틸리티를 사용하면 마지막 두 형식 사이를 쉽게 전환할 수 있습니다.)
범주형 플랫폼에서 여러 응답 변수를 사용하는 것에 대한 자세한 내용은 도움말 > 도서 > 소비자 조사에서 62페이지부터 확인할 수 있습니다.
2) Is there a proper mean score comparison between two groups within JMP Categorical in presence of overlapping samples (e.g., each consumer evaluated both products)? If yes, what is the way to get it (Multiple Response tab does not seem to provide it)? Also can this analysis be done in the structured tab?
범주형 플랫폼은 평균 비교를 위해 설명한 대로 중복 샘플을 수정하지 않습니다.
중복된 샘플이라고 설명하신 것은 우리가 반복 측정이라고 생각하는 것입니다.
범주형의 "관련" 탭 아래에 "반복 측정" 옵션이 있습니다. 범주형 플랫폼에서 기대하는 것과 마찬가지로 빈도, 공유 차트, 평균 및 기타 요약 통계와 같은 항목을 보고합니다. 그러나 비교 테스트는 수행하지 않습니다.
반복 측정은 JMP의 다른 영역에서도 비교가 가능하다는 것을 의미합니다.
- Matched Pairs 플랫폼은 한 번에 두 가지 수단(예: 제품 평가)을 비교하고 테스트합니다. 그러나 누락된 데이터가 있는 경우 목록별 삭제를 수행하여 모든 비교에서 전체 사례를 제거합니다.
- 데이터에 누락이 있으므로(없더라도) 제품 ID를 고정 효과로, 응답자 ID를 임의 효과로 하는 혼합 모델로 Fit Model을 사용하는 것을 고려할 수 있습니다. 그들이 보낸 예제 데이터는 이 접근 방식에는 이미 올바른 레이아웃이지만, 위의 다른 두 접근 방식에는 맞지 않습니다.
- 물론, 이러한 방법 중 어느 것이 더 적절한지는 많은 세부 사항에 따라 달라지므로, 이는 단지 일반적인 제안일 뿐입니다. 여러분의 상황에 따라 효과가 다를 수 있습니다.
3) What statistics is JMP using when you invoke the categorical variable as multiple response?
다중 응답 유형이 "중복 샘플"로 설명한 것과 다르다는 점을 기억하세요. 다음은 수행되는 작업입니다.
- "다중 응답" 속성이 할당된 열이 구조화된 표에서 "상위" 변수로 사용되는 경우, 겹침을 설명하기 위해 1차 Rao-Scott 조정이 적용됩니다(예: Lavassani et al., 2009, Developments in Analysis of Multiple Response Survey Data in Categorical Data Analysis, Journal of Applied Quantitative Methods). "다중" 탭에서 표를 만들 때 테스트가 다르게 처리됩니다. 수정은 구조화된 탭을 통해 표를 만들 때만 적용됩니다.
- 다중 응답 속성이 있는 변수가 "측면" 차원에 할당되면 중복에 대한 수정이 없습니다.
- 통계적 검정은 다음과 같습니다.
- 각 셀을 비교하세요: 이것들은 피셔 정확한 검정입니다. 이 검정은 다른 응답 범주와 다르지 않습니다.
- 각 샘플 비교: Rao-Scott 수정을 사용하는 Pearson 테스트입니다(다중 응답 열이 "상위" 위치에 할당된 경우)
- 검사 응답 동질성: 두 가지 옵션이 있습니다.
- 이항식: 각 행을 두 행인 것처럼 취급합니다. 한 행은 "해당 상자를 체크했습니다". 한 행은 "해당 상자를 체크하지 않았습니다". 이 옵션은 이전 P&G 요청에 따라 추가되었습니다.
- 푸아송: 카운트를 푸아송 회귀에서 종속 변수로 모델링된 것처럼 취급합니다. 표의 열은 독립(X) 변수의 수준인 것처럼 취급합니다. p-값은 이런 방식으로 계산된 전체 모델 검정에 대해 계산하는 p-값과 동일합니다.
4) Within the categorical platform, it is possible to provide p-values for the mean comparison?
t-검정 및 p-값 보고서를 저장하는 기능은 이전에 P&G 요청에 따라 추가되었습니다. 빨간색 삼각형 메뉴를 통해 가능합니다.
5) Is the general formulae that “adjust” for overlapping samples implemented as used in Desktop Reporter Software? Is there an efficient way/data structure/grids to “tell” JMP that there are overlapping samples?
위에서 언급했듯이, 혼합 모델을 적합시키기 위해 Fit Model을 사용하는 것이 JMP에서 이를 처리하는 가장 적절한 방법일 수 있습니다.
6) Jeremy’s issue: (JMP contacted on this before by Mike Creed/Diane Farris)a. When doing the calculation, it appears that JMP is not adjusting the degrees of freedom when using the Rao Scott first order correction.
"겹치는 샘플"과 "다중 응답" 사이에 약간의 혼란이 있었던 것으로 생각하지만, JMP 12.1에는 Rao-Scott 수정이 제대로 적용되지 않은 결함이 있습니다. 이 결함은 1월에 출시될 JMP 12.2에서 수정되었습니다.
b. When no overlap exists, but a column is defined as multi-response, the overlap formula is used when it should not. So you get different results when defining a column as multi-response versus not when no overlap does exist.
다중 응답 속성은 JMP가 Rao-Scott 수정을 적용하는 방법을 아는 방식입니다. 다중 응답 유형이 아닌 열에는 적용하면 안 됩니다.
마지막 메시지에 추가:
JMP의 결과를 Desktop Reporter에 구현된 것과 일치시키는 것이 목표가 되면, 결과가 있는 첨부된 테스트 데이터 세트를 참조로 사용할 수 있습니다. 여기에는 CATA 데이터와 소비자당 여러 제품 평가가 포함됩니다. CATA 변수는 Vitamin/Dietary Supmnt Prod N Future Use 라고 합니다 . 이 변수가 표의 "위"에 배치된 Excel 탭 2와 3에서 오버랩 공식이 적용된 것을 볼 수 있습니다.
감사해요,
알렉스
우리는 Desktop Reporter에서와 같은 구현을 JMP에서 사용하는 것을 선호합니다. 이는 "유효 기반" 계산을 의미합니다. 이는 주로 결과가 왜 다를지에 대한 질문을 피하기 위해 수행됩니다. 우리는 이보다 더 나은 입력을 제공하기 위해 두 옵션 간의 차이점에 대해 잘 알지 못합니다.
링크의 계산은 비교되는 평균의 표준 오차의 가중 평균입니다. 말이 되며, 저는 그런 방식으로 구현할 것입니다.
가중치의 제곱합과 가중치 제곱합의 비율을 사용하는 "유효 기준" 계산을 선호하시나요? 아니면 분모의 가중치만 선호하시나요?
저는 가중치를 분모로 사용하는 것이 더 의미가 있다고 생각합니다.
이렇게 하면 t-검정의 자유도는 w1 + w2 - w0 - 2가 되는데, 여기서 w0는 겹침의 개수입니다. 동의하시나요?
더 이상 평균 비교에서 표준 편차를 모으지 않기 때문에 중복되는 두 열 평균인 Col 1과 Col 2의 차이의 분산에 대한 공식은 다음과 같습니다.
(s1^2+s2^2)/2*[1+P]
여기서 s1^2과 s2^2는 각각 Col 1과 Col 2의 평균의 분산입니다.
P는 2*overlapCount/(n1+n2)입니다.
여기서 n1 및 n2는 열 1 및 2의 샘플 크기입니다.
제 Kish 판에서는 샘플 크기가 같지 않은 경우에 대해 언급하지 않습니다. s1^2와 s2^2 사이의 가중 평균을 기대하십니까?
우리는 범주형 플랫폼에서 수단 테스트의 중복을 수정하지 않습니다.
동일한 사람이 두 제품을 비교하는 경우, 범주형 플랫폼 외에도 적절한 비교를 계산하는 방법이 많이 있습니다.
제프,
위의 질문에 대한 답변을 제공해 주셔서 감사합니다. JMP 범주형 플랫폼의 기능과 한계를 이해하는 데 매우 도움이 됩니다. 답변을 통해, 이 플랫폼은 소비자당 여러 제품 평가 또는 여러 시점 평가가 있는 데이터와 함께 사용되어서는 안 된다는 것을 알게 되었습니다.
제가 가지고 있는 유일한 후속 질문은 다음과 같습니다.
저희가 알기로 JMP는 JMP 범주형 플랫폼에서 중복 샘플에 대한 Kish 공식( Leslie Kish가 쓴 책 Survey Sampling(1965)의 12.4절, 437쪽) 을 구현하지 않았습니다. 이 공식은 Desktop Reporter에서 순차적 모나딕 테스트, 즉 소비자 한 명당 두 개의 제품을 순차적으로 평가하는 연구에서 중복 샘플이 발생할 때 이를 분석하는 데 사용되었습니다. 맞습니까?
감사해요,
알렉스
