为什么我的模型（ZI 负二项式）的预测值都一样？所以，我有许多零膨胀的负二项式模型，我想绘制它们的图形，所以我一直在保存预测值。 对于没有任何重要因素的模型，这些值都是相同的。 为什么是这样？ 难道不应该至少有某种趋势，即使它不重要吗？ 类似地，我的一个模型有显着的相互作用（在我的阻塞因子和我的主要连续因子之间）。 其中一个块具有所有相同的值，而另一个块呈现趋势。
为什么我会看到这个？
编辑：另外，我的所有指标似乎都具有相同的趋势。 虽然我知道这并非完全不可能，但它们几乎完全相同似乎很奇怪。 这跟我用负二项分布有关系吗？
回复：为什么我的模型（ZI 负二项式）的预测值都一样？我明白。 我认为包括过度分散参数有很大帮助。 即便如此，显着偏差意味着如果您选择使用此模型，则必须接受参数和平均响应的有偏估计。 如果数据集支持它们的估计，线性预测器可能包括诸如幂和交叉项之类的变换。 例如，如果您有一个只有两个水平的连续预测变量，那么您就不能包括幂。
您的模型可能会受到可用数据的限制。
回复：为什么我的模型（ZI 负二项式）的预测值都一样？感谢马克的回复。 如果我有一个显着的偏差测试，接下来应该采取什么适当的步骤来解决这个偏差？ 无论包含什么预测变量/协变量，我的 Pearson 和 Deviance Prob>ChiSq 都很重要。
编辑：JMP 中提供的帮助手册指出，如果我有显着偏差检验，我“可能需要向模型添加高阶项、添加更多协变量、更改分布，或者（尤其是在泊松和二项式情况下）考虑添加一个过度分散的参数。” 除了改变分布之外，我真的不能追求任何其他选择。
回复：为什么我的模型（ZI 负二项式）的预测值都一样？“拟合模型”对话框中的复选框用于分散参数和分散测试。 如果您确定分散不显着，则在取消选中此选项后再次运行模型。 否则，您将同时获得测试和具有额外过度分散参数的模型。
整个模型测试基于您的模型和简化模型之间的似然比测试。 这是一个综合测试，用于确定模型作为一个整体与边际分布相比是否显着（响应独立于除截距之外的所有项）。我们通常希望此测试显着！
这偏差测试是基于你的模型和模型之间的似然比检验饱和模型. 饱和模型是一个完美的拟合，即没有偏见. 偏差检验是一种综合检验，用于确定模型是否存在偏差。 我们一般希望这个测试不重要！ 它是一种不合适测试 GLM 和其他相关模型。
回复：为什么我的模型（ZI 负二项式）的预测值都一样？谢谢马克。 澄清一下，检验的显着 p 值表示过度分散。 然后它会自动向模型添加过度离散参数？ 或者它只是估计所需参数的大小？
编辑：此外，拟合优度检验中的偏差参数表示什么？
回复：为什么我的模型（ZI 负二项式）的预测值都一样？稍后我会研究你对块的解释。 现在，我将只回答有关适合性格的问题。
我在广义回归中也找不到过度分散的选项，但我很着急。 它在广义线性模型特性中可用：
注意对话框左上角的选择。
运行模型的结果包括关于需要过度分散（测试）和参数估计的信息：
“拟合优度”报告中的 Pearson 卡方是检验，参数估计值位于最右侧。
回复：为什么我的模型（ZI 负二项式）的预测值都一样？感谢马克的回复。
我们谈论得越多，我就越认为具有过度离散参数的泊松模型是合适的模型。我不会将我的回答视为伯努利试验。 我不关心成功/失败（即鸡蛋/没有鸡蛋），而是关心每次处理中鸡蛋的数量。 我将如何向 JMP 中的泊松模型添加过度离散参数？ 我在 Generalized Regression Personality 中没有看到选项。 它会在广义线性模型个性中的某个地方吗？
感谢您对机会领域的澄清。 机会领域在整个研究中是一致的。 珊瑚礁的大小都相同，巢穴的数量也相同。 所有巢的大小也相同。
我的实验设计结合了块来处理环境中的空间异质性。 块是在研究的现场操作部分设置的；它们不是我此时可以添加的东西（尽管我当然可以从我的分析中删除它们）。 一个块包含每个处理的单个重复。 我有 10 种不同的治疗方法（即性别比例）；每个珊瑚礁都有单一的治疗/性别比例。 每个区块有 10 个珊瑚礁（即 10 个处理）。 我总共有 2 个街区和 20 个珊瑚礁。 如果你看一下这些图，你会发现在每个不同的性别比例下，区块 1 都有一个礁石，区块 2 有一个礁石。
你是对的，我的主要预测器和我的块之间的重要交互意味着有一些潜伏变量在起作用……我们不一定知道它是什么。我认为海洋生态学的野外操作是出了名的嘈杂。 阻塞是我们尽量减少噪音的一种方式。
希望这会开始解决问题。 非常感谢。 欣赏它。
回复：为什么我的模型（ZI 负二项式）的预测值都一样？事实上，负二项分布模型在过度分散时很有用，但每个模型都有一个目的和一组假设。 伯努利试验有两个结果，您需要观察这两个结果。 如果你认为一个鸡蛋是成功的，那么你怎么算失败（非鸡蛋）？
您可以使用具有过度离散参数的泊松分布模型，这样您就不会失去负二项分布模型的灵活性。 您可以从模型中获益，该模型的假设与您的情况相匹配。
这机会领域是的中心概念计数过程. 例如，我可能会计算特定高速公路上每周发生的事故数量，在这种情况下，一周就是机会区域。 我可能会计算外科部门每 100 张病床的葡萄球菌感染数，在这种情况下，100 张病床就是机会区域。 在这些示例中，当我对计数进行建模或测试更改时，机会区域保持不变。 另一方面，如果我计算许多不同高速公路（不同长度、不同类型的交通和交通负荷）发生的事故数量，或者我计算许多不同医院（不同床位数量、不同部门和不同部门）发生的葡萄球菌感染数量。专业），那么每个计数的机会领域就会有所不同。 我需要测量机会区域并将其作为对数偏移量添加到泊松对数线性模型中。 你说你计算每个珊瑚礁的卵数。 研究中包含的每个珊瑚礁都提供相同的机会区域吗？ 如果不是，您如何确定他们的不同机会领域？
我还是不清楚你所说的 a 是什么意思堵塞. 它只是整个设计的复制品吗？ 如果是这样，那么交互作用实际上意味着存在潜伏变量或者隐藏因素在工作中，不仅仅是随机效应（重复方差）。在你的情况下，我如何获得另一个障碍或制造另一个障碍？ 我假设“空间异质性”是指珊瑚礁之间的差异。 但这不就是你的随机误差（抽样误差）吗？ 如果是这样，那么您不应将其建模为固定效果（交互）。
在我们理清了其中的一些细节之后，我们就可以讨论情节了。
回复：为什么我的模型（ZI 负二项式）的预测值都一样？
你说得对。 我想我假设平均响应将基于我的观察值而不是我的预测值（尽管保存了我的“预言论坛”。 呵呵）。 事后看来，我明白了为什么当我的响应是拦截时我得到的是常数值。 到目前为止，我的绝大部分工作都是在处理正态分布，我想我是在尝试使用预测值来尽可能地与我的观察值拟合一条线（类似于线性回归）。 我敢肯定我仍然误解了很多，但我开始明白为什么我有问题了。
我的回答确实是（鸡蛋）总数。 虽然我之前最初使用的是泊松模型，但人们建议使用负二项分布，因为看起来我正在处理过度分散。 我不一定会说我在我的模型中有成功或失败的定义。 除非鸡蛋的存在被认为是“成功”，尽管那最终并不是我真正感兴趣的。 所以，我确信你是对的，我应该使用泊松分布。 是否可以将过度离散参数应用于 JMP 中的泊松模型？ 您介意澄清一下“机会领域”的含义吗？
在我的情况下，一个街区有一个重复的我所有的治疗（随机），试图处理空间异质性。 不幸的是，我的模型中只有两个模块（受到空间和资金的限制）。
我的面板中的图 A 到 E 代表我正在查看的 5 个不同指标：卵总数（每个珊瑚礁）、人均雌性、人均雄性、每个巢穴的产卵量和每个窝的产卵量。 从本质上讲，它们都是看待我的物种的生殖输出的不同方式。 带有趋势线的图很重要。 地块 A、D 和 E 都具有显着的交互作用（性别比例 * 块；男性比例和性别比例在我的研究中可互换使用）但在选择后没有其他关系。 只是性别比例对 C 地块很重要。 响应的尺度不同，但在所有 5 个图中都是鸡蛋数。
真的真的感谢您到目前为止的所有投入，马克。 你的回复已经清除了很多对我来说的事情。 谢谢你！
回复：为什么我的模型（ZI 负二项式）的预测值都一样？它不是 JMP 中广义回归的限制。 该图显示了您用作模型的函数的图形平均反应. 在没有重要因素的情况下，它通常看起来像这样：是=乙. 乙是常数项，或截距. 当预测始终是乙？
我看到你的回应是总数. 负二项分布模型一般适用于一系列独立的伯努利试验. 它建模的数量成功在指定（非随机）数量之前的一系列独立且相同分布的伯努利试验中失败发生。 在您的情况下，成功和失败的定义是什么？ 计数数据通常使用具有适当假设的泊松分布更好地建模。 这个单参数模型可以用一个过度分散的参数来增强，如果你的机会区域不恒定，你可以包括一个对数偏移量。
在您的情况下，块的定义是什么？ 您的研究中出现了多少个区块？
有什么意义A通过电子在系列情节中？
回复：为什么我的模型（ZI 负二项式）的预测值都一样？嗨，马克，
谢谢回复。 我正在运行均值响应模型。 一组数据作为零膨胀负二项式模型运行，另一组数据作为负二项式模型运行。
请原谅我的无知（我对 JMP 中的负二项式和广义回归工具的了解并不像我想的那样熟悉）但是为什么均值响应模型仅在没有预测值时才提供预测值常数有什么重要因素吗？ 即使一个模型并不重要，仍然可能存在一种我肯定有兴趣看到的趋势。 这是 JMP 中广义回归工具的局限性吗？
使用“保存预测公式”功能主要是我绘制模型的方式。 这就是我在非显着模型中看到这些常数的预测值的地方。
我的设计的简要概述是一个具有阻塞因子的连续预测变量（性别比）。 我正在研究我的预测因子如何影响鱼类的繁殖能力。 当我运行我的模型时，我使用的是性别比例、区组因子以及两者之间的相互作用。 此外，我将我的珊瑚礁（我的复制品）上男性和女性个体的平均大小作为协变量。 我使用前向选择和 AICc 进行模型拟合。
我已经包括了我的一个模型的输出示例（这个特定模型正在查看单个珊瑚礁的总产量）。 我还包括了这个特定模型的结果面板；图 A 是与此分析相关的面板。 这些数字是在 SigmaPlot 中制作的，但是是使用我的 JMP 分析的预测值制作的。
我绝对理解不对与阻塞因素的交互进行建模的论点。 不管出于什么原因，在我的领域（海洋生态学），这很常见，所以如果我不这样做，那就不寻常了。
感谢马克的回复，非常感谢任何帮助。 如果您想查看更多输出和/或说明，请告诉我。
回复：为什么我的模型（ZI 负二项式）的预测值都一样？哪些型号？ 它们是 Life Distribution 使用的分销模型吗？ 它们是指响应模型，例如广义回归所使用的模型吗？
你想密谋他们？ 将模型另存为列公式，然后使用图形生成器。 它将绘制函数图。
如果没有显着的自变量/因素/预测变量/特征（仅截距），则平均响应模型将是一个常数。
如果您有交互作用，那么根据定义，一个因素（例如区组）的影响取决于另一个因素（例如连续因素）的水平。 （顺便说一句，你确定要模拟这样的交互吗？ 通常，出于哲学和现实原因，我们不对与阻塞因素的交互进行建模。）
你能分享你所询问的设计、数据和输出吗？ 我有一个生动的想象力，但它不是那么好。
回复：为什么我的模型（ZI 负二项式）的预测值都一样？任何人？ 抱歉不断回复。 我论文的很多分析都依赖于此。
回复：为什么我的模型（ZI 负二项式）的预测值都一样？撞。
