本文將以統計應用為導向，從用戶的視角出發，將內容及其豐富的JMP11新功能濃縮為探索性數據分析和數據可視化、質量管理、產品研發、分析自動化與擴展和專業統計分析六大統計應用領域，幫助廣大統計分析愛好者快速地對JMP11有一個全面而又準確的了解。

 

1.探索性數據分析和數據可視化

 

探索性數據分析和數據可視化一直是JMP倡導的現代統計分析的重要發展方向和其與眾不同的統計分析手段之一。在使用JMP11進行探索性數據分析和數據可視化的過程中，用戶體驗會更加愉快。這主要是因為相應的變化有：新添獨有的列查看器ColumnViewer、轉換變量TransformVaraibles、交互式HTML報告InteractiveHTMLReport，改進已有的數據過濾器DataFilter、圖形生成器GraphBuilder、偏好設置PreferenceSetting等功能。

 

具體來說，改進的偏好設置是指JMP11提供更加出色的默認圖表和表格，也可以方便地對圖表、表格和報告的外觀進行微調，使用戶可以自動創建有效的可視化結果，最大程度地減少調整和優化統計報表界面的無效時間，從而將精力更多地放到數據及其傳達的信息等有效事件上去。

 

 

新添的交互式HTML報告是指很多原先只能在JMP軟件環境下才能實現動態互動式分析的圖形和報表，都可以被保存為HTML5格式的網頁，然后通過電子郵件發送給同事或朋友，或者直接公布到網站上，該報告支持最新的瀏覽器（包括移動設備瀏覽器）進行查看。這使得眾多還沒有安裝JMP的人員也能分享原創者的分析成果和樂趣，像安裝了JMP軟件一樣進行探索性數據分析。

 

 

2.質量管理

 

在質量管理及其衍生出來的六西格瑪領域從業的工程師和經理們是JMP軟件用戶群中的一個重要分支，JMP11不負眾望，在這個方面交出了令人滿意的答卷。其中比較大的變化是：新增響應篩選ResponseScreening分析平臺，增強控制圖生成器ControlChartBuilder和預測刻畫器PredictionProfiler兩個質量分析工具。此外，還在過程能力分析Capability、魚骨圖Diagram、測量系統分析MeasurementSystemsAnalysis等工具上有一些細節上的改進。

 

其中最值得一提的是增強的控制圖生成器和預測刻畫器。

 

很對人可能還對在JMP10中新推出的拖放式控制圖生成器記憶猶新：只需輕輕一點，即可創建過程控制圖表，不但可以判斷流程是否穩定，而且可以分析流程不穩定的原因所在。只是讓人略感遺憾的是它不支持離散變量，只能做計量型控制圖。JMP11彌補了這一遺憾，最新的控制圖生成器允許用戶創建包括np、p、C和U圖在內的計數型控制圖。更令人驚喜的是，JMP11中的控制圖生成器還支持T和G圖在內的稀有事件控制圖！T和G圖是了解稀有事件發生頻率是否高于預期和證明干預正當性的一種有效方式，它在質檢人員關注安全事故、嚴重質量事故時非常實用，因為這時傳統的控制圖是無法真實表現出流程穩定性的。

 

 

JMP中的預測刻畫器是很多人耳熟能詳的一個特色工具，十幾年前就有了。JMP11中的預測刻畫器新增評估變量重要性AssessVariableImportance的選項，不僅可以通過圖形進行定性分析，而且可以通過顯示的各自變量主效應值和總效應值，量化地了解建模過程中最重要的輸入因素。這個特點可以幫助我們在進行敏感度分析，或者需要在眾多潛在因子中分離出影響響應的少數重要因子時，大幅節省分析時間，提高工作效率。

 

 

3.產品研發

 

越來越多的人意識到統計質量工具不僅僅適用在企業的質量部門、工藝部門，其實在研發部門也大有用武之地，只是用到的工具會更復雜一些，如實驗設計DOE和可靠性Reliability。

 

具體來說，JMP11中實驗設計方面的主要變化是：新添獨創性的決定性篩選設計DefinitiveScreeningDesign平臺，改進已有的混料設計MixtureDesign、篩選設計ScreeningDesign、空間填充設計SpaceFillingDesign等平臺。JMP11中可靠性方面的主要變化是：新添可靠性方塊圖ReliabilityBlockDiagram平臺（僅限JMPPro），改進已有的可靠性增長ReliabilityGrowth、擬合參數生存FitParametricSurvival等平臺。

 

這當中最值得向研發人員推薦的就是新近開發的決定性篩選設計和可靠性方塊圖。

 

決定性篩選設計的亮點在于它能夠一舉克服傳統篩選設計的兩個缺陷：一是容易遺漏主效應不顯著但二次項顯著的關鍵因子，二是當存在的交互作用項較多時，需要執行較多的實驗次數以提高實驗的分辨率。當實驗中需要考慮的潛在因子越多時，JMP11中的決定性篩選設計為你帶來的價值越大。因為運用這種新方法時，實驗次數的增加與實驗因子的增加幾乎完全是線性的，而不像傳統篩選設計中那樣需要成倍增加。更重要的是，它在幫助你節省實驗成本和時間的同時，任何主要模型項之間又不會相互混淆，顯著提高了實驗分析的效率。也正是因為如此，負責這個DOE平臺的JMP研發人員還榮獲了美國質量協會頒發的年度大獎呢。

 

 

可靠性方塊圖的最大特色在于以往我們能夠對一個簡單產品或零部件進行可靠性分析，但對一個復雜系統（如擁有多個硬盤的RAID存儲陣列，或者配備四個引擎的飛機）的可靠性往往會束手無策。JMPPro11中的可靠性方塊圖就是專門為你創建和分析整個系統的可靠性的。它可以使用戶通過查看不同的設計和比較多個系統的設計圖來輕松進行假設分析，通過添加冗余部件來彌補系統弱點，從而避免系統將來發生故障。

 

 

4.市場調研

 

除了質量、工藝、研發等技術部門之外，企業的市場部門經常會面臨客戶市場細分、滿意度調查、精準營銷、客戶挽留等大量與統計分析相關的任務，JMP軟件處理這類數據分析問題也是非常專業的。

 

以往這個特點一直是“藏在深閨無人知”，從JMP11開始，分析菜單中新增加了一個“客戶研究ConsumerResearch”的二級主菜單，整合并改進了已有的分類Categorical、選擇Choice、項目分析ItemAnalysis平臺，新添了提升Uplift平臺（僅限JMPPro），顯示出JMP在市場調研領域也充滿了實力和信心。

 

這里和大家分享其中兩個最有價值的工具：分類和提升。

 

分類平臺早在JMP7時就有了，主要用于收集和分析有關客戶如何使用產品或客戶滿意度的信息。JMP11中分類的分析操作更加簡便，支持多種格式的調查問題，無論是內容詳實的明細報告，還是內容緊湊的簡潔報告，都可以輕松制作。用戶還可以分析調查中回答者可以選擇多個答案的多選問題。甚至提供一個拖放界面，用于構建更加復雜的調查分析結構。全部完成之后，還可以輕松將完成的分析表格輸出到Excel工作簿中。

 

 

JMP Pro11中的提升平臺初看和JMP中的另外一個平臺：分割（即決策樹）非常類似，但其實包含著全新的功能。它可以幫助用戶優化市場營銷決策，確定個性化促銷方案，或者更用來預測不同的消費者對某項市場活動可能作出的不同回應。它還可以像其他數據挖掘方法一樣使用訓練、驗證和檢驗方法，防止過度擬合，使新建的模型能夠更好地推廣到新數據去。

 

 

5.分析自動化與擴展

 

分析自動化與擴展的功能主要是指用編程的方式來自動調用JMP進行數據的整理和分析工作，并通過提高JMP與其他數據分析軟件的兼容性來快速提高JMP的適應能力和分析能力。它是專門為JMP高級用戶準備的。JMP11在這方面的亮點也是層出不窮，包括：構建界面更友好的JSL（JMP腳本語言）編程環境、優化應用程序的實用功能、支持直接讀取Teradata數據庫、完善Excel導入向導、與Matlab無縫集成和導入海量外部數據前可事先抽樣等。

 

我們從中精選兩項內容來說明一下：完善Excel導入向導和與Matlab無縫集成。

 

Excel是我們接觸頻率最高的數據分析軟件。常?？吹竭@樣的情形：需要用JMP分析的數據分布在多個Excel工作簿里，其中又有不同的嵌套層次和分組的行或列，因此在開始分析前往往需要進行大量處理?，F在，憑借完善后的JMP11Excel導入向導，數據導入的難題迎刃而解，無需進行長時間的清理和格式修改，只需簡單幾步，即可獲得JMP標準格式的分析表格。如果文件發生變更或更新，還可自動生成JSL用于刷新數據。

 

 

和大眾化的Excel相反，Matlab的主要用戶是專業的信號處理工程師和計算金融分析師，在某些特定的領域積累了豐富的行業經驗和現成的Matlab分析代碼，同時他們也喜歡交互性強、可視化效果好的JMP分析界面（如JMP獨有的預測刻畫器）?，F在，像這樣的用戶不必再糾結如何取舍工具軟件的問題了。因為JMP11可以與Matlab無縫集成。使用JMP11中的JSL功能，JMP可以直接與Matlab結合，啟動Matlab連接、向Matlab發送數據、提交代碼以及將數據輸出或送回JMP。更有意義的是，哪怕對Matlab及其編程知識一無所知的人，也可以借助同行現有的Matlab模型，進一步拓展分析能力，大幅提高工作效率。

 

6.專業統計分析

 

對于從事數據挖掘與建模預測、統計科研與教育的專業統計分析人士來說，以上介紹的內容可能還不過癮。其實，JMP11對于統計高端用戶也推出了很多頗具幫助價值的新功能，其中包括全新或改進過的穩健模型RobustModeling、廣義回歸GeneralizedRegression(僅限JMPPro)、混合模型MixedModels(僅限JMPPro)、偏最小二乘PartialLeastSquares等。

 

舉兩個例子來說，廣義回歸的適應場景是：如果你有大量關聯性較強或者比觀測數據更多的預測變量，使用逐步回歸或其他標準方法將無法得到令人滿意的結果。這一類模型經常會過度擬合，并且很難推廣到新數據。JMPPro11中的廣義回歸能夠面對雜亂的大型數據集創建預測模型，這是JMP數據挖掘工具箱中的一項重要新功能，可用于對大量預測變量進行變量選擇或創建數據挖掘模型。它能夠幫助你以非常自然的方式處理說明變量中的多重共線性，通過對估計參數的較大波動施加懲罰來避免過度擬合。除標準的正態或二項分布外，JMPPro11中的廣義回歸還支持泊松分布、零膨脹泊松分布、負二項分布、零膨脹負二項分布等其他分布形式。

 

 

混合模型則適應于：當化工生產或制藥行業的藥物試驗、交叉設計過程中需要對多個對象進行多次測量時，以及其他會同時涉及時間和空間的數據時，就可以在實驗數據分析中運用混合模型。JMPPro11中全新的混合模型特質，能夠混合固定效應和隨機效應模型對數據進行擬合。用戶可以在直觀的拖放界面中指定固定、隨機和重復效應，關聯多組變量，設定受試對象和連續型效應。另外，用戶還可以根據實際需要計算更多種關聯結構的協方差參數。