［複数のデータテーブル, 相互参照］の起動ウィンドウ
「MaxDiff」プラットフォームを起動するには、［分析］>［消費者調査］>［MaxDiff］を選択します。複数のテーブルの場合は、「データ形式」メニューから［複数のデータテーブル, 相互参照］を選択します。
図5.10 ［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
「列の選択」の赤い三角ボタンのメニューのオプションについては、『JMPの使用法』の列フィルタメニューを参照してください。
［複数のデータテーブル, 相互参照］の場合、起動ウィンドウは3つのセクションに分かれています。
• 応答データ
• 被験者データ
プロファイルデータ
プロファイルのデータテーブルには、各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。
データテーブルの選択
このボタンをクリックした後、プロファイルデータが保存されているデータテーブルを選択するか、まだデータテーブルが開かれていない場合にはファイルを開いてください。まだ開かれていないデータテーブルを開くには、［その他...］を選択してください。
プロファイルID
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。
グループ
「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、［プロファイルID］の値が「1」である行が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
プロファイルの属性に関する効果を追加します。
「プロファイル効果の作成」パネルの詳細については、『基本的な回帰モデル』のモデル効果の構成を参照してください。
Firthバイアス調整推定値
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の問題については、Heinze and Schemper（2002）を参照してください。
階層型Bayes
Bayes流の方法で被験者ごとの係数値を求めます。詳細については、Bayesパラメータ推定値を参照してください。
Bayes計算の反復回数
（［階層型Bayes］を選択した場合のみ有効。）被験者ごとの係数値を計算する際に使う適応型Bayesアルゴリズムの反復回数。ここで指定した反復回数には、推定からは破棄されるバーンインの反復回数も含まれています。バーンインの反復回数は、起動ウィンドウで指定した「Bayes計算の反復回数」の半分です。
応答データ
図5.11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
応答のデータテーブルは、調査した結果をまとめたものです。応答のデータテーブルには、各質問で提示された選択肢集合のIDと、回答者が選択した最良と最悪の選択肢を含めてください。このデータテーブルは、選択肢集合を示す列と、回答者が選択した選択肢を示す列により、プロファイルデータと関連付けられます。応答データとプロファイルデータにおける選択肢IDを対応させるのにグループ化が必要な場合には、その変数をグループ変数に指定してください。
データテーブルの選択
このボタンをクリックした後、応答のデータテーブルを選択するか、まだデータテーブルが開かれていない場合にはファイルを開いてください。まだ開かれていないデータテーブルを開くには、［その他...］を選択してください。
最良の選択
調査に参加した人が「最良」であるとしたプロファイルのIDを含んだ列。
最悪の選択
調査に参加した人が「最悪」であるとしたプロファイルのIDを含んだ列。
選択肢のプロファイルID
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。少なくとも3つのプロファイルが必要です。
グループ
「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。
被験者ID
調査に参加した人を一意に示すID。
度数
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。
重み
データテーブルの各行に対する重みを含んだ列。0より大きい重みだけが分析に使われます。
By
By変数の水準ごとに個別のレポートが作成されます。複数のBy変数を割り当てた場合は、それらのBy変数の水準の組み合わせごとに個別のレポートが作成されます。
被験者データ
図5.12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
メモ: 被験者のデータテーブルは、被験者効果をモデルに含める場合のみ、必要になります。
このデータテーブルの列には、被験者ID、および、被験者の属性（たとえば性別や年齢）を含めてください。このデータテーブルは、被験者数と同数の行で構成してください。また、応答のデータテーブルに、対応した被験者IDの列を用意してください。
メモ: 被験者に関するデータは応答のデータテーブルに含めてもかまいませんが、その場合も、「被験者データ」アウトラインで被験者効果を指定する必要があります。
データテーブルの選択
このボタンをクリックした後、被験者のデータが保存されているデータテーブルを選択するか、まだデータテーブルが開かれていない場合にはファイルを開いてください。まだ開かれていないデータテーブルを開くには、［その他...］を選択してください。
被験者ID
各被験者を一意に識別するID。
By
By変数の水準ごとに個別のレポートが作成されます。複数のBy変数を割り当てた場合は、それらのBy変数の水準の組み合わせごとに個別のレポートが作成されます。
モデル効果の構成
被験者に関する効果を追加します。
「モデル効果の構成」パネルの詳細については、『基本的な回帰モデル』のモデル効果の構成を参照してください。