チーズの添加物（A～D）と味の関係について実験調査を行いました。この調査では、チーズの添加物（A～D）が味に与える影響を調べるため、試食グループによる味の判断を1（非常にまずい）から9（とてもおいしい）までの順序尺度で記録しました。McCullagh and Nelder（1989）を参照してください。データは、サンプルデータのフォルダにある「Cheese.jmp」データテーブルにまとめられています。
|
1.
|
［ヘルプ］>［サンプルデータライブラリ］を選択し、「Cheese.jmp」を開きます。
|
|
2.
|
［分析］>［モデルのあてはめ］を選択します。
|
|
3.
|
「評価」を選択し、［Y］をクリックします。
|
|
4.
|
「チーズ」を選択し、［追加］をクリックします。
|
|
5.
|
「度数」を選択し、［度数］をクリックします。
|
|
6.
|
［実行］をクリックします。
|
図11.3 「順序ロジスティックのあてはめ」レポート
この例のモデルでは、「(-1)*対数尤度」が切片だけのモデルの429.9から完全モデルの355.67まで減少しています。モデル全体の尤度比カイ2乗は148.45、自由度は3であり、 添加物による評価の違いが高度に有意であることがわかります。
パラメータ推定値が最小のものが、最も評価の高いチーズ添加物を表します。「チーズ[D]」は、計画行列内の独自の列を持たないため、「パラメータ推定値」レポートに含まれません。ただし、「チーズ[D]」のパラメータ推定値は、他のパラメータ推定値の合計を-1倍した値です（「Cheese.jmp」にあるチーズ添加物の人気）。
順序ロジスティックモデルを使った場合、応答水準の最初の8つそれぞれに切片がありますが、「チーズ」の4つの水準に対してはパラメータが3つしかありません。その結果、順序ロジスティックモデルの自由度は3となります。この順序ロジスティックモデルは、「あてはまりの悪さ(LOF)」検定の「あてはめたモデル」に該当します。
データテーブルの「度数」の行のうち、値がゼロでないものは28あり、「チーズ」の水準に関して反復された点は28 - 4 = 24個です。そのため、「あてはまりの悪さ(LOF)」検定の「飽和モデル」の自由度は24となります。
名義ロジスティックモデルを使った場合、応答水準の最初の8水準それぞれについて、切片、および、「チーズ」の4水準に関する3つのパラメータがあります。その結果、名義尺度モデルの自由度は 
です。この名義ロジスティックモデルは、「あてはまりの悪さ(LOF)」検定の「飽和モデル」に該当します。
です。この名義ロジスティックモデルは、「あてはまりの悪さ(LOF)」検定の「飽和モデル」に該当します。