倾斜或轮辋加重能力几乎每个 JMP 平台都允许使用加权变量作为建模的一部分。但是，如果 JMP 还提供了创建权重变量本身的功能，那就太好了。在调查数据中，样本群体可能“看起来”不像目标群体。可以使用 Raking（或其他类似方法）等技术来创建权重，以重新平衡样本群体，使其与预期的目标群体相匹配。R 和 Python 软件包都可以做这种事情。也许可以将其转换为插件或重新用作实际的 JMP 平台。
自动化和脚本消费者和市场研究数据混合和清理回复：倾斜或轮辋加重能力 - 状态更改为：已确认感谢@hengehold_da1的建议，也感谢你去年参与了关于 Raking 和 Rim Weighting 的讨论。虽然我们目前没有计划直接在 JMP 中添加此功能，但我们喜欢开发插件（也许使用新的 Python 集成）并通过JMP Marketplace共享的建议。
仅供参考 - 如果您有机会尝试并提供反馈（通过jmpbeta@jmp.com ），倾向评分和倾向评分匹配现已在 JMP Pro 19 中提供。
再次感谢！
回复：倾斜或轮辋加重能力嗨米娅，
感谢您的评论。如果您不介意的话，我有几个问题想问您：
1. 您是说 JMP 喜欢自己创建插件并共享的想法，还是其他人（了解 Python 的人）应该这样做？
2. 在哪里可以找到 19EA 中的倾向评分平台？我想获取“观察性”（相对于随机性）数据，其中“治疗”可能受到某些变量的影响，并创建一个权重变量（“权重”）来解释任何不平衡。19EA 中是否有此流程？
谢谢！
