こんにちは、みんな
コミュニティの新メンバーです。データの再帰分析を行うというタスクを割り当てられました。JMPを使ったことも、再帰分析をやったこともないので、きっと馬鹿げた質問も出てくると思います。
我々が持っているデータはロボットの修理に関するものです。ロボットの修理イベントパターンを確認したいのですが、再発分析を使用するように言われました（理由は分かりません）。
ロボットは約15,000台あります。「bot_id」、「accumulated_transactions」、「site」、「cost」、「bot_type」、「component」の各列を使用しました。「site」には、ロボットが稼働する様々な場所が含まれます。「cost」は0または1の値です（1は修理、0はボットの最後のイベントを意味します）。「component」は修理中の様々な部品です。sites、bot_type、部品がmcfと修理パターンに与える影響を確認したいのです。私は主に対数線形NHPPモデルを使用しています。
サイトがMCFに与える影響を研究したい場合、サイトを「グループ化」の役割と「原因」の役割のどちらにすべきでしょうか？どのサイトのボットが他のサイトよりも早く劣化しているか、どのサイトが他のサイトよりも修復が多いかを調べたい場合。
グループ化は、互いに排他的なカテゴリ要素、例えばボットが同時に2つの場所に存在できないようなもののためのものだと理解しています。なので、グループ化を使うべきだと思います。しかし、ChatGPTは原因を提案しました。どちらが正しいのかわかりません。
また、スケール効果と形状効果の列の選択方法についても質問があります。例えば、GPTの提案に従って原因としてサイトを選択した場合、スケール効果と形状効果には何が選択されるのでしょうか。サイトはこれら2つにも影響を与える可能性があると感じました。JMPではサイトも選択できます。質問は、「原因」と「スケール」と「形状」の両方にサイトを同時に選択できるかどうかです。そうすると、説明できない結果（数百のMCFラインと、各サイトのパラメータ推定テーブルがすべてのサイト（そのサイト自身を含む）に影響を与える）が生成されます。そのため、それはできないと思います。
次に、構成要素（パーツ）を「原因」に、サイトをスケールと形状係数として入力しました。JMPは各構成要素のモデルを生成します。対数線形NHPPでフィッティングした後、各原因のパラメータ推定値表が生成されます。問題は、MCF曲線が12構成要素×20サイトで構成されており、数百本の線が生成されていることです。ここでも間違ったことをしているように感じました。
「原因」ロールを使用する場合は、「スケール」または「シェイプ」エフェクタとして何も配置しない方がよいと思われます。そうしないと、MCF カーブが混雑しすぎてしまいます。
最後に、さまざまなサイトを比較するために、サイトを「グループ化」、サイトを「スケール」および「シェイプ」エフェクターとして配置することにしました。
別の分析では、部品間の比較を行うために「原因」に部品（「スケール」と「形状」は空白）を入力し、ローカルデータフィルターを使用して各サイトにフィルターを適用し、部品（「スケール」と「形状」は空白）の異なる部品（「部品」）原因を持つ単一のサイトについてMCFを生成しました。これで設計は理にかなっていますか？
長くてすみません。
