Jian Cao 書きました：
JMP 13のリリースにより、多次元スケーリング（MDS）はJMPのConsumer Researchメニューの一部になりました。詳しくはをご覧ください。
http://www.jmp.com/support/help/13/Multidimensional_Scaling.shtml#
Jian Cao 書きました：
テレサ、
はい、あなたは説明変数として回転した構成要素（すなわち、要因）を使用して製品嗜好順位の回帰を実行することができます。
テレサマヌエル書きました：
こんにちはJian、
私はあなたのFactor Analysisオンデマンドウェビナーから質問をするよう手を差し伸べています。私は自分のデータセットを使ってそれをフォローしています。特定の商品をマッピングし、嗜好ベクトルの出現順に基づいてそれらの嗜好順位を特定しました。他の属性（ベクトル）もマップ上にあります。次に、回転したコンポーネント（係数1と2）を取り、それらを自分のPreferenceモデルへの入力として使用します（y = preference）。このモデルを使用して、商品のランク付けを「向上させる」ために焦点を合わせる必要がある属性を特定できますか？
JMPの重要な応用分野の1つはcです。消費者および市場調査 。マーケティングアナリティクスのためにJMPについてのプレゼンテーションを行うように招待されたとき、私はどのようにしてその機能が完成したかについて興味がありました。 JMP あります。大きなギャップがあるかどうか疑問に思いました。
最近のアメリカマーケティング協会の会議で、私は以下のタイトルの人気教科書を発見しました。現代のマーケティングリサーチ概念、方法および事例 この本はミシガン大学ロススクールオブビジネスの3人のマーケティング教授によって書かれており、多くのトップビジネスプログラムで使用されています。そのため、この本は、主要なMBAプログラムで教えられていることとJMPで利用可能なことを比較する、私のギャップ分析の基準となる参照として適しています。
教科書は3つの部分に分かれています。最初の2つの部分では、マーケティングリサーチの原則、および調査デザイン、サンプリング、データ収集について説明します。第3部では、データ分析のための分析的および統計的アプローチについて説明します。これが、私のギャップ分析の焦点です。
私は本質的にギャップを見つけませんでした。
この教科書は、記述統計、仮説検定、重回帰、多変量法など、マーケティングや消費者調査で使用される伝統的な統計手法の包括的なセットを網羅しています。それはそれから選択モデル（別名コンジョイント分析そして多次元スケーリング、そしてそれは異質性、階層モデルなどのようないくつかの新しい分析技術と概念を紹介する章で終わります。
JMPユーザーはおそらく知っている分布 、 YをXに合わせる 、フィットモデルそして多変量メソッドプラットフォームは問題ありませんが、JMP Proのランダム係数モデルに慣れていない可能性があります。混合モデル性格（私をチェックしてください線形混合モデルのJMP Proブログ投稿 ） 本の第12章で説明しているように、ランダム係数モデルとネストランダム係数を使用して、「勾配の不均一性」とマルチレベル構造をモデル化できます。
選択モデルの場合、JMPは製品の機能と消費者の属性を含むマーケティング実験のモデリングと設計の両方を提供します。私の同僚メリンダ・ティールバーについて書いている最新の開発選択モデルプラットフォームで。教科書のDial Readout Scalesのケーススタディを使い、JMPは部分価値のある見積もりと尤度比テストを作成するだけでなく、代替の新製品に対する消費者の好みを視覚化することを可能にする対話型確率と複数選択プロファイラーを作成します。
確率と多肢選択プロファイラーを使用すると、競合製品の比較方法を視覚化できます。
多次元尺度法に関しては、私の別の同僚は、ケルチ・ミクラウス 、を作成しました JMPアドインそれはSASかRの統合を通して分析を行う。
そのうえ、 JMP Pro マーケティングアナリストや消費者研究者にとって有用な、アップリフトモデルやデータマイニングなどの他の高度な分析方法があります。
JMPで教科書のデータと事例を試してみたい方のために、私は JMPアドインすべてのデータをJMPテーブルとして収集します。
