傾斜或邊緣稱重功能事實上，每個 JMP 平台都允許使用權重變數作為建模的一部分。不過，如果 JMP 也提供自行建立權重變數的功能，那就太好了。在調查數據中，樣本人群可能與目標人群「看起來」不一樣。可以使用 Raking（或其他類似方法）等技術來創建權重，以重新平衡樣本群體，以匹配其預期目標群體。 R 和 Python 套件都可以做這種事。也許可以將其轉換為插件或重新用作實際的 JMP 平台。
自動化和腳本編寫消費者與市場研究資料混合與清理回覆：傾斜或邊緣加權功能 - 狀態變更為：已確認感謝您@hengehold_da1的建議，並感謝您去年參與有關 Raking 和 Rim Weighting 的討論。雖然我們目前沒有計劃直接在 JMP 中添加此功能，但我們喜歡開發插件（可能使用新的 Python 整合）並透過JMP Marketplace共享的建議。
僅供參考 - 如果您有機會嘗試並提供回饋（透過jmpbeta@jmp.com ），JMP Pro 19 中現已提供傾向評分和傾向分數配對。
再次感謝！
回覆：傾斜或邊緣加權功能嗨米婭，
感謝您的評論。如果你不介意的話，有幾個問題：
1. 您是否建議 JMP 喜歡自己創建插件並分享它的想法，或者其他人（懂 Python 的人）應該這樣做？
2. 19EA中的傾向評分平台在哪裡？我想採用「觀察」（與隨機）數據，其中「治療」可能受到某些變數的影響，並創建一個權重變數（「權重」）來解釋任何不平衡。 19EA有這方面的流程嗎？
謝謝！
