一般回歸用於探索差異你好，
我正在尋求正確分析數據集的幫助
我有一個基於試驗的數據集，我們餵養兩種不同的飲食（S和A），並在3個塊動物中應用兩種不同的處理（T和C）。
我們想要在兩種不同的飲食和採樣的時間點中測試兩種非正態分佈參數（Hg和Leuco）的治療效果。
我用於執行混合模型（具有飲食，治療和時間點作為固定效果;實驗單元嵌套在塊中作為隨機效應），然而，與非正常參數混合模型不是合適的方法（我認為）。
我是普通回歸的新手，我的目的是檢查採樣時間點之間或/和飲食之間的治療之間的差異（我有比這兩個更多的參數，Hg和Leuco），但這只是一個例子。
附上我的分析的一個例子。
我希望有人可以建議我分析它的正確方法。
謝謝
回复：一般回歸探索差異聽起來像廣義線性混合建模聽起來最合適。但是，JMP或JMP Pro目前不支持它們。已被要求在 JMP願望清單 。您可以加上你的投票 。
在這種情況下，我認為您可能會發現常規線性混合模型可能已足夠。
我希望有所幫助。
菲爾
回复：一般回歸探索差異謝謝Phil的回答，
Hg是Weibull分佈，Leuco是對數正態分佈。
您認為混合模型是一種合適的方法嗎？
達米亞諾
回复：一般回歸探索差異嗨，
您認為Hg和Leuco的適當分佈是什麼？只需查看數據集中的這兩個變量，它們就會呈鐘形。我希望正態分佈是一個合適的模型。
我認為“Hg gr％”是％年齡。因此，嚴格來說，它不能正常分佈，因為它以0和100為界。但是，除非您有大量數據點或非常接近0或100，否則正態分佈通常會為您提供有用的模型。
菲爾
