零膨脹泊松模型參數化您好 JMP 社區，
我有一個數據集，其中包含要預測的計數變量（Y）、3 個數值變量（X1、X2、X3）和一個分類（X4）作為自變量。
我將零膨脹泊松模型擬合到 R 和 JMP 中的數據（來自擬合模型 > 廣義回歸）。 但結果並不相同。 為什麼它們不同？ 我認為可能有一些看不見的假設。 我的意思是一些假設，例如優化方法和迭代次數。如何查看 JMP 中零膨脹泊松模型的基本假設？
我比較了 R 和 JMP 中不同 ZIP 模型的不同變量。 結果總是相同的，只有當我在模型中包含該分類變量 (X4) 時才會有所不同。
回复：零膨脹泊松模型假設你好，
在估計分類變量的係數時，JMP 可能使用不同的編碼方法來對比類別。 如果它只有兩個類別，使用變量的序數建模選項將給出與其他程序通常估計具有零和一的虛擬變量相同的結果。
回复：零膨脹泊松模型假設我不想顯得“挑剔”，但我們使用具有特定含義的術語。 我認為這與模型無關假設，但它可能與模型有關參數化，特別是分類預測變量。 我不知道如何表示模型參數以在您使用的 R 對像中進行估計。 我確實知道 JMP 如何參數化分類預測變量。
這裡是發現 JMP 12 中分類因子的 JMP 參數化的地方。 （JMP 13 中的參數化是相同的，但文檔中的位置發生了變化！）
選擇幫助>圖書>擬合線性模型>附錄 A：統計細節>因子模型. 本節描述名義和有序預測變量水平的編碼。 這效果編碼如您將看到的，JMP 中使用的編碼不同於某些 SAS 過程（例如 PROC GLM）中使用的編碼。 它可能與您的 R 對像中使用的編碼不同。
我希望這些信息將有助於解決您觀察到的差異。
回复：零膨脹泊松模型假設感謝您的答复！
我正在使用 JMP Pro 12.0.1。 我在 R 和 JMP 中都使用了最大似然並且沒有驗證。
此外，我剛剛發現它不僅與零膨脹模型有關。 將一般線性模型（泊松）擬合到數據在 R 和 JMP 中具有不同的結果。 同樣，當我取出分類變量時，模型是相同的。 是否有可能對分類數據有一些假設？
回复：零膨脹泊松模型假設您使用的是什麼版本的 JMP Pro？ 隨著時間的推移，算法得到改進。
您使用了廣義回歸中的哪種估計方法？ 例如，套索、雙套索、嶺回歸和彈性網會產生不同的結果。
您使用了哪些選項進行擬合？ 自適應版本會產生不同的結果。
你使用了什麼驗證方法？ 每次擬合數據時，將觀察隨機分配到不同的保留集會產生不同的結果。
