非正态分布（不可变换）的多变量分析？亲爱的 JMP 社区，
我需要分析治疗效果多种的临床结果变量的生物标志物分布不正常（见下面的直方图）。
基于我有限的知识，我很确定我不能使用标准最小二乘模型来分析这些数据，因为该模型生成的误差不是正态分布的。 那么，实现目标的最佳选择是什么？
注意：我使用的是 JMP 11.1 标准版本
感谢您的帮助。
真挚地，
回复：非正态分布的多元分析（不可变换）？...并且，除了上面提到的建模方法之外，我想提请您注意预测刻画器中的评估变量重要性（又名 Sobol'izer）下拉菜单。
尤其是神经网络，因其“黑匣子”而臭名昭著，它不提供有关变量重要性的信息，而 Sobol'izer 的补救措施则相当公正。附上参考资料。
回复：非正态分布的多元分析（不可变换）？@sornasst ：
我肯定会查看填充许多不同分析平台报告窗口的基本响应图、列贡献和对数值。 我也衷心赞同使用我的同事使用的所有交叉验证技术@比尔_沃利也提到了。 您可以像其他建模方法一样轻松地过度拟合回归树。 以下是分区平台的一般在线 JMP 文档的链接。 由于您使用的是 JMP 11，因此本文档适用于版本 13...因此某些选项或菜单可能不同或不存在...但它至少可以帮助您入门。
http://www.jmp.com/support/help/13-2/Partition_Models.shtml#
回复：非正态分布的多元分析（不可变换）？嗨彼得，
感谢您推荐分区平台。 有没有办法捕获用于分割响应的参数的重要性？
感谢您的帮助。
真挚地，
回复：非正态分布的多元分析（不可变换）？您是否考虑过使用分区平台？ 你的响应变量分布肯定会出现分裂，这对你来说简直就是尖叫。 众所周知，生物标志物预测变量数据通常充满多重共线性……因此 PLS 等技术可能会显示出一些洞察力？
回复：非正态分布的多元分析（不可变换）？您可以尝试“分析”菜单下的“神经网络”。神经网络是尝试拟合非线性数据的良好平台。我不确定它是否是 JMP 11 中的独立平台，或者您是否可以在预测建模下找到它。您可以尝试 TanH 函数的多个级别，看看是否适合。要记住的一件事是，如果不使用某种交叉验证，神经网络模型很容易过度拟合。使用 K-fold 或 Holdback 并尝试不同的级别。如果您的数据集较小，请使用留一验证。如果您没有看到列出的内容，您可以使用 K-Fold 并将行数设置为折叠数。
华泰
回复：非正态分布的多元分析（不可变换）？嗨戴尔，
感谢您的建议：我已经尝试过将临床结果变量分为 3 个水平，这似乎在序数 Logistic 模型中表现良好。
最好的，
回复：非正态分布的多元分析（不可变换）？我认为在没有更多背景的情况下很难普遍回答你的问题（至少对我来说很难）。但是，看看您的临床结果的这种分布，我认为您可能希望将其视为一个离散的结果。该分布是强双峰的 - 是否可以将所有 < .5 的值分组到 0 箱中，将 > .5 分组到 1 箱中，然后将其作为分类问题进行分析？当然，如果您的样本量足够大，线性模型可能会为平均值提供合理的估计 - 但对于像这样的双峰结果，平均值并不是特别令人感兴趣。
