非正態分佈（不可變換）的多變量分析？親愛的 JMP 社區，
我需要分析治療效果多種的臨床結果變量的生物標誌物分佈不正常（見下面的直方圖）。
基於我有限的知識，我很確定我不能使用標準最小二乘模型來分析這些數據，因為該模型生成的誤差不是正態分佈的。 那麼，實現目標的最佳選擇是什麼？
注意：我使用的是 JMP 11.1 標準版本
感謝您的幫助。
真摯地，
回复：非正態分佈的多元分析（不可變換）？...並且，除了上面提到的建模方法之外，我想提請您注意預測刻畫器中的評估變量重要性（又名 Sobol'izer）下拉菜單。
尤其是神經網絡，因其“黑匣子”而臭名昭著，它不提供有關變量重要性的信息，而 Sobol'izer 的補救措施則相當公正。附上參考資料。
回复：非正態分佈的多元分析（不可變換）？@sornasst :
我肯定會查看填充許多不同分析平台報告窗口的基本響應圖、列貢獻和對數值。 我也衷心贊同使用我的同事使用的所有交叉驗證技術@比爾_沃利也提到了。 您可以像其他建模方法一樣輕鬆地過度擬合回歸樹。 以下是分區平台的一般在線 JMP 文檔的鏈接。 由於您使用的是 JMP 11，因此本文檔適用於版本 13...因此某些選項或菜單可能不同或不存在...但它至少可以幫助您入門。
http://www.jmp.com/support/help/13-2/Partition_Models.shtml#
回复：非正態分佈的多元分析（不可變換）？嗨彼得，
感謝您推薦分區平台。 有沒有辦法捕獲用於分割響應的參數的重要性？
感謝您的幫助。
真摯地，
回复：非正態分佈的多元分析（不可變換）？您是否考慮過使用分區平台？ 你的響應變量分佈肯定會出現分裂，這對你來說簡直就是尖叫。 眾所周知，生物標誌物預測變量數據通常充滿多重共線性……因此 PLS 等技術可能會顯示出一些洞察力？
回复：非正態分佈的多元分析（不可變換）？您可以嘗試“分析”菜單下的“神經網絡”。神經網絡是嘗試擬合非線性數據的良好平台。我不確定它是否是 JMP 11 中的獨立平台，或者您是否可以在預測建模下找到它。您可以嘗試 TanH 函數的多個級別，看看是否適合。要記住的一件事是，如果不使用某種交叉驗證，神經網絡模型很容易過度擬合。使用 K-fold 或 Holdback 並嘗試不同的級別。如果您的數據集較小，請使用留一驗證。如果您沒有看到列出的內容，您可以使用 K-Fold 並將行數設置為折疊數。
華泰
回复：非正態分佈的多元分析（不可變換）？嗨戴爾，
感謝您的建議：我已經嘗試過將臨床結果變量分為 3 個水平，這似乎在序數 Logistic 模型中表現良好。
最好的，
回复：非正態分佈的多元分析（不可變換）？我認為在沒有更多背景的情況下很難普遍回答你的問題（至少對我來說很難）。但是，看看您的臨床結果的這種分佈，我認為您可能希望將其視為一個離散的結果。該分佈是強雙峰的 - 是否可以將所有 < .5 的值分組到 0 箱中，將 > .5 分組到 1 箱中，然後將其作為分類問題進行分析？當然，如果您的樣本量足夠大，線性模型可能會為平均值提供合理的估計 - 但對於像這樣的雙峰結果，平均值並不是特別令人感興趣。
