為什麼我的模型（ZI 負二項式）的預測值都一樣？所以，我有許多零膨脹的負二項式模型，我想繪製它們的圖形，所以我一直在保存預測值。 對於沒有任何重要因素的模型，這些值都是相同的。 為什麼是這樣？ 難道不應該至少有某種趨勢，即使它不重要嗎？ 類似地，我的一個模型有顯著的相互作用（在我的阻塞因子和我的主要連續因子之間）。 其中一個塊具有所有相同的值，而另一個塊呈現趨勢。
為什麼我會看到這個？
編輯：另外，我的所有指標似乎都具有相同的趨勢。 雖然我知道這並非完全不可能，但它們幾乎完全相同似乎很奇怪。 這跟我用負二項分佈有關係嗎？
回复：為什麼我的模型（ZI 負二項式）的預測值都一樣？我明白。 我認為包括過度分散參數有很大幫助。 即便如此，顯著偏差意味著如果您選擇使用此模型，則必須接受參數的有偏估計和平均響應。 如果數據集支持它們的估計，線性預測器可能包括諸如冪和交叉項之類的變換。 例如，如果您有一個只有兩個水平的連續預測變量，那麼您就不能包括冪。
您的模型可能會受到可用數據的限制。
回复：為什麼我的模型（ZI 負二項式）的預測值都一樣？感謝馬克的回复。 如果我有一個顯著的偏差測試，接下來應該採取什麼適當的步驟來解決這個偏差？ 無論包含什麼預測變量/協變量，我的 Pearson 和 Deviance Prob>ChiSq 都很重要。
編輯：JMP 中提供的幫助手冊指出，如果我有顯著偏差檢驗，我“可能需要向模型添加高階項、添加更多協變量、更改分佈，或者（尤其是在泊松和二項式情況下）考慮添加一個過度分散的參數。” 除了改變分佈之外，我真的不能追求任何其他選擇。
回复：為什麼我的模型（ZI 負二項式）的預測值都一樣？“擬合模型”對話框中的複選框用於分散參數和分散測試。 如果您確定分散不顯著，則在取消選中此選項後再次運行模型。 否則，您將同時獲得測試和具有額外過度分散參數的模型。
整個模型測試基於您的模型和簡化模型之間的似然比測試。 這是一個綜合測試，用於確定模型作為一個整體與邊際分佈相比是否顯著（響應獨立於除截距之外的所有項）。我們通常希望此測試顯著！
這偏差測試是基於你的模型和模型之間的似然比檢驗飽和模型. 飽和模型是一個完美的擬合，即沒有偏見. 偏差檢驗是一種綜合檢驗，用於確定模型是否存在偏差。 我們一般希望這個測試不重要！ 它是一種不合適測試 GLM 和其他相關模型。
回复：為什麼我的模型（ZI 負二項式）的預測值都一樣？謝謝馬克。 澄清一下，檢驗的顯著 p 值表示過度分散。 然後它會自動向模型添加過度離散參數？ 或者它只是估計所需參數的大小？
編輯：此外，擬合優度檢驗中的偏差參數表示什麼？
回复：為什麼我的模型（ZI 負二項式）的預測值都一樣？稍後我會研究你對塊的解釋。 現在，我將只回答有關適合性格的問題。
我在廣義回歸中也找不到過度分散的選項，但我很著急。 它在廣義線性模型特性中可用：
注意對話框左上角的選擇。
運行模型的結果包括關於需要過度分散（測試）和參數估計的信息：
“擬合優度”報告中的 Pearson 卡方是檢驗，參數估計值位於最右側。
回复：為什麼我的模型（ZI 負二項式）的預測值都一樣？感謝馬克的回复。
我們談論得越多，我就越認為具有過度離散參數的泊松模型是合適的模型。我不會將我的回答視為伯努利試驗。 我不關心成功/失敗（即雞蛋/沒有雞蛋），而是關心每次處理中雞蛋的數量。 我將如何向 JMP 中的泊松模型添加過度離散參數？ 我在 Generalized Regression Personality 中沒有看到選項。 它會在廣義線性模型個性中的某個地方嗎？
感謝您對機會領域的澄清。 機會領域在整個研究中是一致的。 珊瑚礁的大小都相同，巢穴的數量也相同。 所有巢的大小也相同。
我的實驗設計結合了塊來處理環境中的空間異質性。 塊是在研究的現場操作部分設置的；它們不是我此時可以添加的東西（儘管我當然可以從我的分析中刪除它們）。 一個塊包含每個處理的單個重複。 我有 10 種不同的治療方法（即性別比例）；每個珊瑚礁都有單一的治療/性別比例。 每個區塊有 10 個珊瑚礁（即 10 個處理）。 我總共有 2 個街區和 20 個珊瑚礁。 如果你看一下這些圖，你會發現在每個不同的性別比例下，區塊 1 都有一個礁石，區塊 2 有一個礁石。
你是對的，我的主要預測器和我的塊之間的顯著相互作用意味著有一些潛伏變量在起作用......我們不一定知道它是什麼。我認為海洋生態學的野外操作是出了名的嘈雜。 阻塞是我們盡量減少噪音的一種方式。
希望這會開始解決問題。 非常感謝。 欣賞它。
回复：為什麼我的模型（ZI 負二項式）的預測值都一樣？事實上，負二項分佈模型在過度分散時很有用，但每個模型都有一個目的和一組假設。 伯努利試驗有兩個結果，您需要觀察這兩個結果。 如果你認為一個雞蛋是成功的，那麼你怎麼算失敗（非雞蛋）？
您可以使用具有過度離散參數的泊松分佈模型，這樣您就不會失去負二項分佈模型的靈活性。 您可以從模型中獲益，該模型的假設與您的情況相匹配。
這機會領域是的中心概念計數過程. 例如，我可能會計算特定高速公路上每週發生的事故數量，在這種情況下，一周就是機會區域。 我可能會計算外科部門每 100 張病床的葡萄球菌感染數，在這種情況下，100 張病床就是機會區域。 在這些示例中，當我對計數進行建模或測試更改時，機會區域保持不變。 另一方面，如果我計算許多不同高速公路（不同長度、不同類型的交通和交通負荷）發生的事故數量，或者我計算許多不同醫院（不同床位數量、不同部門和不同部門）發生的葡萄球菌感染數量。專業），那麼每個計數的機會領域就會有所不同。 我需要測量機會區域並將其作為對數偏移量添加到泊鬆對數線性模型中。 你說你計算每個珊瑚礁的卵數。 研究中包含的每個珊瑚礁都提供相同的機會區域嗎？ 如果不是，您如何確定他們的不同機會領域？
我還是不清楚你所說的 a 是什麼意思堵塞. 它只是整個設計的複製品嗎？ 如果是這樣，那麼交互作用實際上意味著存在潛伏變量或者隱藏因素在工作中，不僅僅是隨機效應（重複方差）。在你的情況下，我如何獲得另一個障礙或製造另一個障礙？ 我假設“空間異質性”是指珊瑚礁之間的差異。 但這不就是你的隨機誤差（抽樣誤差）嗎？ 如果是這樣，那麼您不應將其建模為固定效果（交互）。
在我們理清了其中的一些細節之後，我們就可以討論情節了。
回复：為什麼我的模型（ZI 負二項式）的預測值都一樣？
你說得對。 我想我假設平均響應將基於我的觀察值而不是我的預測值（儘管保存了我的“預言論壇”。 呵呵）。 事後看來，我明白了為什麼當我的響應是攔截時我得到的是常數值。 到目前為止，我的絕大部分工作都是在處理正態分佈，我想我是在嘗試使用預測值來盡可能地與我的觀察值擬合一條線（類似於線性回歸）。 我敢肯定我仍然誤解了很多，但我開始明白為什麼我有問題了。
我的回答確實是（雞蛋）總數。 雖然我之前最初使用的是泊松模型，但人們建議使用負二項分佈，因為看起來我正在處理過度分散。 我不一定會說我在我的模型中有成功或失敗的定義。 除非雞蛋的存在被認為是“成功”，儘管那最終並不是我真正感興趣的。 所以，我確信你是對的，我應該使用泊松分佈。 是否可以將過度離散參數應用於 JMP 中的泊松模型？ 您介意澄清一下“機會領域”的含義嗎？
在我的情況下，一個街區有一個重複的我所有的治療（隨機），試圖處理空間異質性。 不幸的是，我的模型中只有兩個模塊（受到空間和資金的限制）。
我的面板中的圖 A 到 E 代表我正在查看的 5 個不同指標：卵總數（每個珊瑚礁）、人均雌性、人均雄性、每個巢穴的產卵量和每個窩的產卵量。 從本質上講，它們都是看待我的物種的生殖輸出的不同方式。 帶有趨勢線的圖很重要。 地塊 A、D 和 E 都具有顯著的交互作用（性別比例 * 塊；男性比例和性別比例在我的研究中可互換使用）但在選擇後沒有其他關係。 只是性別比例對 C 地塊很重要。 響應的尺度不同，但在所有 5 個圖中都是雞蛋數。
真的真的感謝您到目前為止的所有投入，馬克。 你的回复已經清除了很多對我來說的事情。 謝謝你！
回复：為什麼我的模型（ZI 負二項式）的預測值都一樣？它不是 JMP 中廣義回歸的限制。 該圖顯示了您用作模型的函數的圖形平均反應. 在沒有重要因素的情況下，它通常看起來像這樣：是=乙. 乙是常數項，或截距. 當預測始終是乙？
我看到你的回應是總數. 負二項分佈模型一般適用於一系列獨立的伯努利試驗. 它建模的數量成功在指定（非隨機）數量之前的一系列獨立且相同分佈的伯努利試驗中失敗發生。 在您的情況下，成功和失敗的定義是什麼？ 計數數據通常使用具有適當假設的泊松分佈更好地建模。 這個單參數模型可以用一個過度分散的參數來增強，如果你的機會區域不恒定，你可以包括一個對數偏移量。
在您的情況下，塊的定義是什麼？ 您的研究中出現了多少個區塊？
有什麼意義A通過電子在系列情節中？
回复：為什麼我的模型（ZI 負二項式）的預測值都一樣？嗨，馬克，
謝謝回复。 我正在運行均值響應模型。 一組數據作為零膨脹負二項式模型運行，另一組數據作為負二項式模型運行。
請原諒我的無知（我對 JMP 中的負二項式和廣義回歸工具的了解並不像我想的那樣熟悉）但是為什麼均值響應模型僅在沒有預測值時才提供預測值常數有什麼重要因素嗎？ 即使一個模型並不重要，仍然可能存在一種我肯定有興趣看到的趨勢。 這是 JMP 中廣義回歸工具的局限性嗎？
使用“保存預測公式”功能主要是我繪製模型的方式。 這就是我在非顯著模型中看到這些常數的預測值的地方。
我的設計的簡要概述是一個具有阻塞因子的連續預測變量（性別比）。 我正在研究我的預測因子如何影響魚類的繁殖能力。 當我運行我的模型時，我使用的是性別比例、區組因子以及兩者之間的相互作用。 此外，我將我的珊瑚礁（我的複製品）上男性和女性個體的平均大小作為協變量。 我使用前向選擇和 AICc 進行模型擬合。
我已經包括了我的一個模型的輸出示例（這個特定模型正在查看單個珊瑚礁的總產量）。 我還包括了這個特定模型的結果面板；圖 A 是與此分析相關的面板。 這些數字是在 SigmaPlot 中製作的，但是是使用我的 JMP 分析的預測值製作的。
我絕對理解不對與阻塞因素的交互進行建模的論點。 不管出於什麼原因，在我的領域（海洋生態學），這很常見，所以如果我不這樣做，那就不尋常了。
感謝馬克的回复，非常感謝任何幫助。 如果您想查看更多輸出和/或說明，請告訴我。
回复：為什麼我的模型（ZI 負二項式）的預測值都一樣？哪些型號？ 它們是 Life Distribution 使用的分銷模型嗎？ 它們是指響應模型，例如廣義回歸所使用的模型嗎？
你想密謀他們？ 將模型另存為列公式，然後使用圖形生成器。 它將繪製函數圖。
如果沒有顯著的自變量/因素/預測變量/特徵（僅截距），則平均響應模型將是一個常數。
如果您有交互作用，那麼根據定義，一個因素（例如區組）的影響取決於另一個因素（例如連續因素）的水平。 （順便說一句，你確定要模擬這樣的交互嗎？ 通常，出於哲學和現實原因，我們不對與阻塞因素的交互進行建模。）
你能分享你所詢問的設計、數據和輸出嗎？ 我有一個生動的想像力，但它不是那麼好。
回复：為什麼我的模型（ZI 負二項式）的預測值都一樣？任何人？ 抱歉不斷回复。 我論文的很多分析都依賴於此。
回复：為什麼我的模型（ZI 負二項式）的預測值都一樣？撞。
