응답 변수를 모델링하는 이와 동일한 방법이 있습니까?여보세요,
필자의 예제는 매 10 분마다 각 피험자로부터 샘플 데이터 포인트를 수집하여 총 10 개의 측정 (t0, t1, ..., t9)에 대한 반복 측정 실험을 포함합니다.
간단한 예로, 관심있는 반응 변수는 연속 눈 깜박임 사이의 시간 간격입니다.
내 질문... 다음 두 가지 응답 변수 정의가 해당 변수입니까?
1) 각 10 분 시간 창에 기록 된 눈 깜빡임 횟수
2) 각 10 분 시간 창에서 연속 점멸 사이의 평균 시간
또한, 이것들은 포아송, 이항 (biomial)으로 분류 되었습니까? 아니면 정상적으로 분포되어 있습니까?
고맙습니다,
JP
Re : 응답 변수를 모델링하는 이러한 동일한 방법이 있습니까?궁극적으로 응답 변수 세트에 많은 '0'이있는 회귀 모델을 만들려고한다면 일반적으로 '제로 팽창'이라고 알려진 회귀 기술 패밀리가 있습니다. 제로 팽창 된 모델링 기능은 Fit Model -> Generalized Regression 특성, Distribution : ZI Binomial (및 기타)에서 JMP Pro의 일부입니다. 다음은 JMP 온라인 문서의 관련 섹션에 대한 링크입니다.
http://www.jmp.com/support/help/13/Distribution.shtml
Re : 응답 변수를 모델링하는 이러한 동일한 방법이 있습니까?고맙습니다. 나는 'chunky'데이터의 문헌을 조사 할 것이다.
Re : 응답 변수를 모델링하는 이러한 동일한 방법이 있습니까?나는 두 가지 방법이 같지 않다는 것에 동의한다. 약간 극단적 일 수 있지만 유용 할 수있는 예가 있습니다. 프로세스 행동 차트를 통해 회사 위치에서 한 달에 기록 가능한 부상을 추적한다고 가정합시다. 어떤 달에는 부상이없고, 몇 달에는 1, 2, o3 등이 있습니다. 한 달에 기록 가능한 부상의 평균 수치가 낮다면 (6 이하), 데이터는 "chunky"(Chunky 데이터에 대한 Dr. Donald Wheeler 기사 참조)이며, 제어 차트 방법은 유용한 결과 / 결론을 내놓지 않습니다. 그러나 "기록 가능한 부상 사이의 일"로 추적하면 관리도가 잘 작동합니다.
데이터의 배포는 무엇입니까? 그것은 무슨 상관이야? I-MR 차트에는 데이터가 특정 분포를 가질 필요가 없습니다!
Re : 응답 변수를 모델링하는 이러한 동일한 방법이 있습니까?당신의 답변에 감사드립니다.
테스트 간격이 100 초인 경우 15 초 (9 * 5 + 40 = 85 대 10 * 10 = 100) 인 사람 1의 경우 깜박임 횟수가 10 회를 초과 할 수 있습니다. 이것은 사람 1에 대한 잠재적 인 11 번째 깜박이는 다음 시간 간격에 기여할 10 번째에서 15 초보다 큰 시간을 가지지 않는다고 가정합니다.
즉, 당신의 요점은 분명했고 많은 의미가 있습니다.
Re : 응답 변수를 모델링하는 이러한 동일한 방법이 있습니까?나는 두 가지 대답을 똑같이 다루어서는 안된다고 생각합니다. 다음 두 시나리오를 비교하면됩니다.
사람 1은 매우 규칙적으로 깜박임을합니다.
사람 2는 어떤 빈도로도 깜박임 빈도가 높지만 어떤 이유로 든 두 번 깜박 사이에 오랜 시간을 보냈습니다.
데이터 
수단 및 표준. 개발자
둘 다 똑같은 수의 깜박임으로 끝날 수 있지만 깜박 사이에는 평균 시간이 다릅니다.
깜박이는 횟수는 아마도 포아송 분포 일 것입니다.
깜박 거림 사이의 평균 시간은 정규 분포로 근사 될 수 있지만 시간이 음수가 될 수 없기 때문에 아마와 이블 분포 또는 감마 분포와 같은 것일 수 있습니다.
