［複数のデータテーブル, 相互参照］データ形式の起動ウィンドウは、複数のデータテーブルを用いる例です。起動ウィンドウにおいて、「プロファイルデータ」に「Potato Chip Profile.jmp」を用いています。
プロファイルのデータテーブルには、それぞれの選択肢の属性を示すデータを保存してください。データテーブルの各列が1つの属性に対応するように、また、各行が1つのプロファイルに対応するように、データを作成してください。さらに、各プロファイルのIDを含んだ列を設けてください。
属性の組み合わせ（プロファイル）を識別するためのID。［プロファイルID］によってプロファイルのデータテーブルにおける各行を一意に識別できない場合は、［グループ］変数も指定する必要があります。その場合、［グループ］列と［プロファイルID］列の組み合わせによって各行が一意に識別できるように、［グループ］列を追加してください。
「選択肢集合ID」列と共に使用したときに、各選択肢集合を一意に示すことができる列。たとえば、「選択肢集合ID」の値が1である選択肢集合が2つあったとします。データテーブルにおいて、一方の選択肢集合に対しては「調査」列の値がAで、他方の選択肢集合に対しては「調査」列がBであるなら、その「調査」列を［グループ］列に指定します。
「プロファイル効果の作成」パネルについては、『基本的な回帰モデル』の「モデルの指定」章にある「モデル効果の構成」の節を参照してください。
Firth法は、バイアス修正を伴う最尤推定であり、通常の最尤推定に比べ、推定や検定がより良い性質をもちます。さらに、ロジスティックモデルなどで生じる分離（separation）の問題も改善できます。ロジスティック回帰における分離問題については、Heinze and Schemper（2002）を参照してください。
階層型Bayes
Bayes計算の反復回数「応答データ」アウトラインは、「Potato Chip Responses.jmp」を使って、列を指定した後の「応答データ」アウトラインです。
図5.11 「応答データ」アウトライン
各選択肢集合を構成する選択肢のプロファイルIDを含んだ列。
「選択されたプロファイルID」列と共に使用したときに、各選択肢集合を一意に示すことができる列。
度数を含んだ列。度数がnである行は、データにn回登場しているものとして計算に使用されます。度数が1未満である行や、欠測値である行は、分析に使用されません。
「被験者データ」アウトラインは、「Potato Chip Subjects.jmp」を使って入力した「被験者データ」アウトラインです。
図5.12 「被験者データ」アウトライン
「モデル効果の構成」パネルについては、『基本的な回帰モデル』の「モデルの指定」章にある「モデル効果の構成」の節を参照してください。