Transformieren verzerrter Zähldaten zur AnalyseHallo allerseits,
Ich habe einige stark verzerrte Zähldaten, die ich zum Erstellen eines Modells verwenden möchte.Von der Form her sehen die Daten mit einer Log-Transformation viel besser aus, aber da es sich um Zähldaten handelt, gibt es eine Fülle von Nullen, die mit einem Log-Modell nicht funktionieren.Wenn ich online lese, sollte ich so etwas wie eine Poisson-Verteilung verwenden, bin mir aber nicht sicher, wie ich das mit JMP machen soll?
Für jede Anleitung wäre ich dankbar, vielen Dank im Voraus!
Betreff: Verzerrte Zähldaten zur Analyse transformierenDanke Peter! Ich werde mir den GLM-Link ansehen.Betreff: Verzerrte Zähldaten zur Analyse transformierenEin paar Gedanken für Sie:
1. Vielleicht möchten Sie die Persönlichkeit des Generalized Linear Model in der Fit Model-Plattform ausprobieren. Sie können die Antwortverteilung (Poisson ist eine Option) und die Verknüpfungsfunktion (Protokoll ist eine der Optionen) als Teil des Modellspezifikationsfensters angeben. Hier ist der Link zur JMP-Onlinedokumentation für die Persönlichkeit des Generalized Linear Model:
https://www.jmp.com/support/help/14-1/generalized-linear-models.shtml#
2. Wenn Sie über JMP Pro verfügen, gibt es innerhalb des Anpassungsmodells und der Persönlichkeit „Generalisierte Regression“ eine Null-aufgeblasene Poisson-Verteilungsoption für Situationen wie die von Ihnen beschriebene … ein Überwiegen von Nullen innerhalb der Antwortpopulation. Hier ist der Link zur JMP Pro-Onlinedokumentation für die Verteilungshinweise zur Persönlichkeit der Generalisierten Regression:
https://www.jmp.com/support/help/14-1/distribution.shtml
Betreff: Verzerrte Zähldaten zur Analyse transformierenIch verwende oft die Gamma-Poisson-Methode, um die a-Zählungsverteilung mit einem Peak bei Null anzupassen.Mir gefällt auch die JMP-Hilfe dazu.
