显示 MLE 参数估计值
(仅当在启动窗口中选定“分层 Bayes”的情况下才可用。)显示模型项系数的非 Firth 最大似然估计值和标准误差。这些估计值用作分层 Bayes 算法的起始值。
联合因子检验
(若在启动窗口中选定“分层 Bayes”,则不可用。)通过对包含该因子的所有效应构造似然比检验来检验模型中的每个因子的整体效应。有关联合因子检验的详细信息,请参见《拟合线性模型》中的联合因子检验。
置信区间
若未选定“分层 Bayes”,则为“参数估计值”报表中的每个参数显示置信区间。
若选定“分层 Bayes”,则置信区间显示在“Bayes 参数估计值”报表中。构造置信区间时假定服从正态分布,并且基于后验均值和后验标准差。
估计值的相关性
若未选定“分层 Bayes”,则显示最大似然参数估计值之间的相关性。
若选定“分层 Bayes”,则显示参数估计值后验均值的相关性矩阵。基于 burn-in 后的迭代次数计算相关性。像处理数据表中的列那样来处理 burn-in 后每次迭代的后验均值。通过计算这些列的相关性矩阵来获取“估计值的相关性”表。
比较
执行两个特定备择选择特征之间的比较。您可以选择感兴趣的因子值进行比较。您可以比较特定的配置:包括通过选中任意复选框来比较左侧或右侧的所有设置。使用任意并不会对所有不同特征的组合进行比较,而是所有两两特征的组合进行比较,一次比较一个特征,对于其他因子维持左侧显示的设置。请参见“比较”报表。
“所有水平比较”报表
显示“所有水平比较”报表,其中包含一个表,表中含有关于特征的所有配对比较的信息。若您是针对对象效应建模,则必须指定对象效应的组合,并且该表针对于对象效应的组合。表中每个单元格都显示行水平和列水平的效用差异、差值标准误差,以及无差异检验的 Wald p 值。
警告:未针对多重比较修正 p 值。仅将这些结果用作指导。
Wald p 值用彩色标记。饱和蓝色(对应“红色”)指示差值(行 - 列)为负(对应“正”)。红色和蓝色的强度指示显著程度。
保存效用公式
当分析针对多个数据表时,创建包含用于效用的公式列的新数据表。新数据表的行是测试对象特征和被测特征的组合,列是被测特征和测试对象效应列。当分析针对一个数据表时,将添加新的“效用公式”列。
按对象保存梯度
(不可用于分层 Bayes。)构建一个新表,每个测试对象对应一行,其中包含测试对象水平的每个参数的似然函数的平均步长(Hessian 比例梯度)。这对应于使用 Lagrangian 乘数检验将该对象与其余对象分离出来。以后可以使用内置脚本对这些值聚类,以表明数据中存在的独特的市场细分。请参见细分示例。
保存对象估计值
(仅在选定“分层 Bayes”时可用。)创建一个表,其中每行都包含每个效应的特定于测试对象的参数估计值。每个效应的特定于测试对象的参数效应的分布以“Bayes 参数估计值”报表中给定项的估计值为中心。“对象接受率”提供 Metropolis-Hastings 步骤期间得到新参数估计值的接受率。通常,接受率 0.20 被视为良好。请参见Bayes 参数估计值。
保存 Bayes 链
(仅在选定“分层 Bayes”时可用。)创建一个表,其中提供关于计算特定于测试对象的 Bayes 估计时使用的迭代链的信息。请参见保存 Bayes 链。
模型对话框
显示生成当前分析的 MaxDiff 启动窗口,使用当前分析可以修改和重新拟合模型。您可以指定新数据集、新 ID 和新模型效应。
请参见《使用 JMP》中的“重新运行”菜单和“保存脚本”菜单 ,获取有关下列选项的信息:
重新运行
包含使您可以重复或重新启动分析的选项。在支持该功能的平台中,“自动重新计算”选项立即在相应报表窗口中反映您对数据表所做的更改。
保存脚本
包含的选项支持您保存可将报表重现到若干目标的脚本。
保存“依据”组脚本
包含使您可以保存脚本的选项,可将为“依据”变量的所有水平重新生成平台报表的脚本保存到多个不同的位置。仅当在启动窗口中指定“依据”变量时才可用。