组成解释变量<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />你好
我的问题是如何使用JMP Pro在线性回归模型中实现组合解释变量。假设我们有一个连续因变量Y，我们有解释变量X1，...，X d 它以百分比表示，并以恒定总和约束（100％）为特征。 Aitchison在1986年引入了对数对比来解决这个问题，但是对参数的解释仍然存在问题。JMP Pro中是否有任何模型可以处理组合解释变量的问题？我读到了使用中心对数比率转换（clr）或等距对数比率转换（ilr）但它们在JMP中不可用
谢谢
Re：组成解释变量抱歉，我很懒。DanO的答案基本上就是我想说的！
Re：组成解释变量我需要稍微修改一下我的答案。我注意到如果你的X变量加起来为1，JMP会自动切换到Scheffe模型。看起来你不能将无拦截模型与组合变量相匹配。所以我之前的注释很重要，因为变量不能精确地加1。感谢Jian Cao在这种情况下指出Scheffe模型的自动拟合，即使没有设置混合属性。
Re：组成解释变量S，
简短的回答是，JMP Pro（甚至是普通的JMP）可以适当地分析这种情况。
更长，更详细的答案：
您的情况当然可以被视为混合模型。混合模型是一个模型，其中“因子”（在您的情况下为X1到Xd）受到约束，它们加起来为1或100％。由于这种约束，您不能使用标准回归技术（您有一个不能反转的奇异矩阵）。有几种不同的可能“技巧”可用于将其转化为回归问题。最常见的是使用所谓的Scheffe模型。该模型将拦截放入每个主要效果中。这将“删除”拦截术语，因为它是单独估算的。这是MIchael.Anderson提出的方法。如果仔细观察，得到的方差分析表将有一行显示“测试减少模型Y =平均值”。这证明它是Scheffe模型，而不是无拦截模型。无拦截模型将具有“针对减少的模型Y = 0的测试”行。
这是迄今为止分析您的情况最简单的方法，但Scheffe模型的解释与典型的回归模型不同（事实上，这些“组合变量”的所有模型都需要进行不同的解释，因为您不能使用典型的回归） 。这种解释需要一些时间才能完成，因为我们班上的混合物分析大约需要30分钟。解释还取决于您拟合的模型的顺序。希望这能让您对正在发生的事情以及开始学习如何正确分析这种情况的一些方面有所了解。
Re：组成解释变量你好Micheal，
首先感谢您的回复。我尝试了你解决这个问题的方法，但结果在某种程度上让我感到困惑，因为在我的组合解释变量中加入“混合效应”属性只能抑制标准最小二乘回归模型中的截距。换句话说，如果我有没有“混合效果”和“无拦截”的标准最小二乘，“混合效果”的结果是相同的。所以我的理解是没有任何形式的转变。
如果我想使用“混合效果”，我是否需要选择特定的个性？我还需要用我们的成分解释变量中的所有零替换0.0001之类的数字吗？我的第三个问题是，是否出于组合解释变量，我必须使用d-1来避免多重性。
我非常感谢你的回复。
小号
Re：组成解释变量塞巴斯蒂安你好，
感谢您的答复。我不需要设计任何实验。我已经有了我的数据，需要将它们放入模型中。我的回答是一个连续变量，我的解释变量是连续变量和分类变量的混合。我的四个解释变量是连续的组合变量，它们的总和是100％。组合变量是单数的，我读到组成解释变量不应该直接用于线性回归模型，因为任何推理统计都会变得误导
我查看了JMP Pro中的“Fitting Mixture Designs”，但我的理解是他们的模型类型用于设计模型而不是拟合模型。
最好
Re：组成解释变量在Fit Model中构建模型时，请在对话框底部的属性红色三角形下查找。 在那里你会发现“混合效应”。选择要作为混合物一部分的列（它们应该已在对话框的“模型效果”区域中），然后选择“混合效果”属性。
最好，
中号
Re：组成解释变量您可能希望将您的问题解释为混合分析： 适合混合设计
我不知道这对你的应用是否有意义，但这将是我的第一次拍摄。
