把“供应商A”和“供应商B”合成“其他供应商”，重新分析后，原来显著的差异不显著了，这不一定是操作出错。合并之后，软件比较的组别已经变了；但如果样本数也少了，就要查有没有误生成缺失值。重编码时保留原列，再把映射关系和分析用到的行核对清楚，才能分辨哪些变化来自分组调整，哪些属于数据处理问题。

　　一、JMP如何重编码分类变量并合并指定水平

　　下面以合并供应商类别为例。先保留原始分类，再建立合并列，后面才能逐项对照。

　　1、查看原有水平

　　①点击【分析】→【分布】，将原分类列放入【Y，列】，点击【确定】。

　　②查看各水平的频数，再回到数据表选中该列。

　　先区分两种需求：“供应商A”和“A公司”可能只是名称不统一；供应商A与供应商B则是两个真实类别。前者属于清洗名称，后者会改变分析分组，合并理由应事先确定。

　　2、打开重编码并保留原列

　　①选中分类列，点击【列】→【重新编码】。

　　②在窗口中选择【新建列】，查看旧值与【新值】的对应关系。

　　不要急着使用原位修改。新建列方便回查；如果希望原数据变化时按同一规则更新，可以选择公式列，但要清楚它会跟随原列重新计算。

　　3、合并指定水平

　　①在重编码窗口中选中供应商A和供应商B，点击【分组】。

　　②在该组的【新值】中填写“其他供应商”，检查【更改】列表。

　　③点击【重新编码】，在数据表中为结果列设置清楚的名称。

　　分组后的代表名称可能来自原有值，不能只点分组就结束。还应检查新名称是否与原列已有类别重名，否则可能把计划之外的第三个水平也归到一起。

　　4、检查新列的建模类型

　　①右键结果列标题，选择【列信息】，查看【数据类型】与【建模类型】。

　　②无自然顺序的类别选择【名义型】；有明确等级关系时，选择【有序型】并核对【值顺序】。

　　用1、2、3表示供应商，并不意味着它们是连续测量值。若误设为连续型，模型会按数值大小处理，得到的就不再是原先的分类比较。

　　二、JMP分类水平合并后统计结果发生变化如何复核

　　复核时先看映射和样本，再看统计量。只盯着P值，容易漏掉更直接的错误。

　　1、用交叉表检查合并是否准确

　　①点击【分析】→【以X拟合Y】，将合并列放入【Y，响应】，原分类列放入【X，因子】，点击【确定】。

　　②在【列联表】中查看各单元格计数，核对旧水平分别进入了哪个新水平。

　　假设A有20条、B有30条，在没有筛选、频数权重及缺失变化的情况下，新组应对应50条记录。若原来的C也进入了新组，就回查映射；若新组少了记录，则检查空值和数据转换。

　　这张表用于核对归类，不需要用其中的显著性检验证明合并正确。

　　2、确认前后使用相同样本

　　①分别打开原列和合并列的【分析】→【分布】，对照非缺失频数。

　　②在分析启动窗口核对【频数】、【权重】和【依据】中的列，检查是否沿用了不同设置。

　　数值列重编码为文字时，如果没有完成相应类型转换，可能出现缺失值。还要检查行排除、局部过滤及其他模型变量的缺失情况。数据表行数相同，不代表两次分析实际使用的观测完全相同。

　　3、判断变化是否来自新的分组定义

　　①点击【分析】→【以X拟合Y】，用同一个响应，分别将原列和合并列放入【X，因子】运行。

　　②建模时打开【分析】→【拟合模型】，分别使用两列拟合，并保持其他模型项和分析设置一致。

　　合并会重新组织组内与组间差异，组均值、自由度和检验结果都可能改变。新组均值还受原组样本量影响，不能简单取两个均值的平均。

　　若合并的是响应类别，检验的问题本身也变了。模型系数则要结合水平及编码解释，不能仅按报表中相同的行位置比较正负号。

　　三、JMP合并规则怎样保存并用于后续分析

　　规则确认后，要让下一批数据也能按同一口径处理，同时保留追溯原类别的入口。

　　1、保存映射，检查新增类别

　　①在重编码窗口点击红色小三角，选择【脚本】→【保存到数据表】。

　　②后续需要修改时，在数据表中右键对应脚本，选择【使用重新编码编辑】。

　　③检查【仅显示未分组】和【全部】，核对新增或遗漏的类别。

　　例如下一批多了“供应商D”，不能假定旧脚本已经按业务要求处理。名称尾部空格、大小写差异也应检查；需要清理时，可在重编码菜单中使用【去除首尾空格】，再人工核对映射。

　　2、保留两种分组下的结果

　　①在原分组报表中点击红色小三角，选择【保存脚本】→【到数据表】。

　　②对合并分组重复保存，并使用能区分分组口径的脚本名称。

　　保留两套结果，可以检查结论是否依赖某一种合并方式。如果合并前A、B的变化方向相反，合并后可能相互抵消，这一点应在解释中说明。

　　对于只有拼写或别名变化的一对一重命名，使用相同数据和方法时，分组统计应保持一致；若结果明显变化，应继续查水平顺序、列类型和样本。

　　总结

　　分类水平一旦合并，原来能回答的问题可能就少了一些。例如把不同供应商都放进“其他”，适合汇总展示，却未必适合追查质量差异。是否合并，应由类别含义和分析用途决定，不能为了得到更小的P值反复尝试。保留原列与映射，也能让接手的人知道每个新组包含什么。希望这些方法能帮到大家，在整理分类数据时少些误合并，也让统计结果的变化更容易解释。如有相关需求，欢迎联系咨询。