JMP培訓有哪些新內容？分類數據分析！該 JMP培訓課程多樣而復雜。我們為初學者和高級用戶提供一系列培訓。除了我們不斷努力使所有培訓與新版本保持同步之外，我們還根據用戶需求的變化創建新課程。我想告訴你其中一個，一個品牌關於分類數據分析的新課程 。我們希望這個新課程能像我們一樣有用和受歡迎關於ANOVA和回歸的課程 。
為什麼分類數據分析如此重要？
這很重要，因為分類數據在許多工作領域都很豐富。要清楚，分類數據可以是數字或字符，並代表一組有限的離散級別。例子包括性別，政黨關係，宗教信仰，死亡率和發病率結果，產品測試結果，如通過，失敗或重新測試，調查回复，細分市場，學術考試成績等。每當您記錄定性屬性，觀察組中的成員資格或記錄特定類別的分配時，您就會有分類數據。
為什麼分類數據分析如此不同？
連續或測量數據有許多方法，例如大多數分析人員都熟悉的描述性統計（例如，均值，標準偏差），方差分析（ANOVA）和線性回歸。分析師有時會錯誤地將數字代碼用於分類級別，以便使用這些用於連續響應的方法。這是一種恥辱，因為分類數據總是有類似的方法。我們對每個分類級別的比例或概率感興趣，而不是連續數據的描述性統計。我們想知道分類響應和其他變量之間的關聯，而不是兩個連續變量之間的相關性。Logistic回歸將預測變量與自然方式的分類響應聯繫起來，尊重水平的離散性。重要的， JMP 統一我們的工具集，使我們對分類數據的處理與連續數據非常相似，只適應分類數據的獨特特徵。也就是說，我們可以期望擁有最先進的估計方法，推理統計和模型選擇，以及我們對連續響應所享有的分類響應的相同模型開發和可視化。我們在培訓中強調這些相似之處。
本課程涵蓋哪些類別的分類數據分析？
該課程首先對分類數據進行快速調查，並審查其與連續數據區分的特徵。使用分發平台和使用應急平台的關聯的描述性統計數據開始了有關分析的課程。分層關聯和精確的關聯測試擴展了這種分析。使用分區平台完成第一章介紹建模和模型選擇。第二章是邏輯回歸。它首先介紹了擬合模型參數，推理和模型選擇的似然方法。第二章的其餘部分介紹了二元，名義和有序邏輯回歸模型的應用。第三章介紹了廣義線性模型（GLM），其中包括分類響應。使用GLM來檢查和解決二元邏輯回歸情況。最後一個示例顯示了一個常見的分類響應，即使用泊鬆對數線性回歸（另一個GLM）處理的計數。
這門課程是為誰製作的？
任何遇到分類數據的JMP分析師都是此培訓的良好候選人。本課程是先進的，並以前提課程為基礎。本課程的學生應該習慣使用JMP（例如，已經參加了數據探索課程和連續響應的推理和建模的統計方法（如中所述） ANOVA和回歸課程 ）。
我什麼時候可以參加課程？
我們將於4月30日至5月3日舉辦春季公共課，並於11月13日至16日舉辦秋季公共課。兩者的這些課程將通過互聯網進行（實時網絡格式）。
Mark Bailey寫道：感謝您閱讀我的帖子和...馬克貝利中寫道：
感謝您閱讀我的帖子以及這些重要問題。我將依次回答他們兩個。
我們沒有涵蓋新課程中有關分類回答的對比。我們曾經在我們的一個課程中討論關於持續反應的對比， 。JMP可以使用Fit Least Squares平台（分析>擬合模型）輕鬆測試一個或多個對比度。然而，這個重要的主題在最近一期的課程中被淘汰，僅僅是由於時間有限和缺乏興趣。我們的課程通常為兩天，所以我們必須在主題範圍和每門課程的覆蓋深度方面“畫一條線”。我們的客戶反饋告訴我們，參加我們培訓課程的用戶寧願花時間在其他主題上。當然，在特定的課堂上，如果學生想要了解對比的主題（不包括在內），我們會通過問題的答案來解決。
JMP中還可以使用廣義線性模型平台進行對比，通過Analyze> Fit Model訪問。因此，雖然我們沒有涵蓋新課程的對比，但我們會解釋它們並展示如何在JMP中獲取它們，如果學生詢問它們的話。
Dick Schaertl寫道：這聽起來像一個有趣的clas ...迪克沙特爾中寫道：
這聽起來像一個有趣的課程。是否會深入研究將多項式對比應用於最小二乘和GLM因子分析以測試模型擬合？在閱讀此網頁之前，我通過電子郵件向LMP Archer，JMP技術支持部門發送了類似的請求。電子郵件主題粘貼在此處：
RE：[SAS 7610749983] GLM正交多項式對比
