HB-Reg v4.2.2303 貝斯階層回歸軟體
- HB-Reg v4.2.2303 貝斯階層回歸軟體
-
類別研究分析軟體
-
介紹什麼是分層貝斯階層回歸（HB-Reg）？在市場研究數據的分析中，有很多時候研究人員有受訪者，商店或其他實驗單位的樣本，並希望估計每個單位的單獨回歸係數。在過去幾年中，分層貝葉斯（HB）估計在市場營銷研究中發揮著越來越重要的作用。它可以在精度和有效性方面改進參數估計（例如β權重和效用）。我們的HB-Reg軟件用於基於回歸的問題，其中受訪者提供包含連續因變量的多個觀察（病例）。
HB-Reg v4.2.2303 Bayside regression software
HB-Reg software is a general analytical tool for estimating regression problems at the individual level involving a continuous dependent variable. It is only appropriate when respondents provide multiple observations (cases).
Features
•Up to 1000 parameters per respondent, for unlimited respon
dents.
•Uses comma-delimited input files
•HB-Reg is designed to run on Microsoft Windows 2000 or
later.
Methodology
In the analysis of marketing research data, there are many occasions when the researcher has a sample of respondents, stores, or other experimental units, and wishes to estimate separate regression coefficients for each unit.
Consider three examples:
In full-profile conjoint analysis, respondents give preference ratings for hypothetical product concepts. Regression analysis is often used, where the independent variables are columns of a "design matrix" describing the concepts, and the dependent variable consists of preference ratings.
Respondents in a customer satisfaction study provide ratings of several companies. Some ratings are on "explanatory" variables, such as customer service, product durability, convenience of use, etc. Other ratings are more general, such as overall satisfaction with the companies' products. One goal of the study is to infer the relative importance of each explanatory factor in determining overall satisfaction.
During a pricing experiment in grocery stores, the prices of several products are varied systematically in different time periods, and sales of each product are measured with scanner data. The independent variables are product prices and other factors such as the presence of displays, coupons, and newspaper features. The dependent variables are product sales.
In each situation, respondents or stores may have different regression functions. In the past, researchers have often tried to handle this problem by ignoring heterogeneity among individuals, pooling all the data, and estimating a single set of regression coefficients that describe the "average" individual. However, aggregate regression confounds heterogeneity (true differences between respondents/stores) with noise. Because HB-Reg can distinguish heterogeneity from noise, it results in more stable individual- AND aggregate-level estimates of betas. HB-Reg also is more robust in the case of multicolinearity among the independent variables than aggregate regression.
Several recent articles have shown that hierarchical Bayes estimation can do a creditable job of estimating individual parameters even when there are more parameters than observations per individual. This is done by considering each individual to be a sample from a population of similar individuals, and "borrowing" information from other individuals in the estimation for each one.
HB-Reg offers parameter constraints, meaning the ability to constrain certain parameters to be larger (smaller) than others, or to be greater than or less than zero. Advanced users can also control the prior variance and covariances, and degrees of freedom for the prior covariance matrix. These features will permit more reasonable estimation of parameters, even when relatively sparse information is available within the unit of analysis.
When using the full-size system, up to 1000 parameters per individual can be estimated. HB-Reg requires the Microsoft .NET framework.
系統需求
HB-Reg v4.2.2303 貝斯階層回歸軟體
HB-Reg軟件是用於評估涉及連續因變量的個體水平上回歸問題的通用分析工具。僅當受訪者提供多個觀察結果（案例）時才適用。
特徵
•每個受訪者最多可使用1000個參數，適用於無限個受訪者。
•使用逗號分隔的輸入文件
•HB-Reg設計為在Microsoft Windows 2000或更高版本上運行。
方法
在市場研究數據的分析中，很多情況下，研究人員都有受訪者，商店或其他實驗單位的樣本，並希望為每個單位估計單獨的回歸係數。
考慮以下三個示例：
在全面剖析的聯合分析中，受訪者對假設的產品概念給出了偏好等級。經常使用回歸分析，其中自變量是描述概念的“設計矩陣”的列，而因變量由偏好等級組成。
客戶滿意度研究中的受訪者提供了幾家公司的評級。一些等級是關於“解釋性”變量的，例如客戶服務，產品耐用性，使用方便性等。其他等級則更一般，例如對公司產品的總體滿意度。該研究的一個目標是推斷每個解釋因素在確定總體滿意度中的相對重要性。
在雜貨店的定價實驗中，幾種產品的價格在不同的時間段內系統地變化，並且每種產品的銷售額都使用掃描儀數據來衡量。自變量是產品價格和其他因素，例如顯示器，優惠券和報紙特徵的存在。因變量是產品銷售。
在每種情況下，受訪者或商店可能具有不同的回歸函數。過去，研究人員經常嘗試通過忽略個體之間的異質性，合併所有數據並估計描述“平均”個體的一組回歸係數來處理此問題。但是，聚集回歸將異質性（受訪者/商店之間的真實差異）與噪聲混淆。因為HB-Reg可以區分異質性與噪聲，所以它可以使beta的個體和集合級估計更加穩定。在自變量之間存在多重共線性的情況下，HB-Reg也比聚合回歸更健壯。
最近的幾篇文章表明，即使每個個體的參數多於觀測值，分層貝葉斯估計也可以在估計各個參數方面做得不錯。通過將每個個體視為一組相似個體的樣本，並從其他個體“借用”信息來估算每個個體來完成此操作。
HB-Reg提供參數約束，這意味著可以將某些參數限制為大於（小於）其他參數，或者大於或小於零。高級用戶還可以控制先驗方差和協方差，以及先驗方差矩陣的自由度。這些功能將允許對參數進行更合理的估計，即使在分析單位內可獲得相對稀疏的信息時也是如此。
使用全尺寸系統時，每個人最多可以估計1000個參數。HB-Reg需要Microsoft .NET框架。
CATPAC II文本分析軟體
CATPAC 是一個智能程序，可以閱讀任何文本並總結其主要想法。它不需要預編碼，也不需要語言假設。它在世界上許多世界上最重要的期刊上都有出色的研究記錄。到目前為止，這個世界上最大的數據是文本。與數字或分類尺度不同，文本允許人們以他們希望的任何方式表達自己。但是對文本的分析特別耗時並且受到讀者偏見的影響。Catpac克服了這兩個問題。
CANOCO 5 生態排序分析軟體
Canoco 5是 2012 年 10 月發佈的最新、備受重裝的卡諾科軟體版本。本網站為您提供了對有效使用軟體的其他資源的訪問，以及 Canoco 5 新功能的簡要概述。使用此頁面右側的功能表訪問這些資源。
MODDE 13 實驗計劃與分析軟體
MODDE引導您完成您的試驗設計（DOE）設計的設置和支持你在隨後的數據分析。對於醫藥和其他關鍵應用領域，因為任何人在產品開發都知道，把事情從一開始就是一個挑戰。特別是有這麼多的參數來考慮。對於像醫藥產業領域的成果是至關重要的，競爭是激烈的，你需要的工具，你可以肯定將讓你在市場上的時間。