广义回归人格与诊断包大家好，
我有一个快速的问题; JMP13 pro具有广义回归个性。 在拟合数据后，可以使用Diagnostic Bundle检查残差。 如果我使用Gamma分布，残差是否遵循ANOVA假设（即正态性，同质性，iid）？
谢谢
Gamma分布的广义回归
回复：广义回归人格和诊断包方差与响应水平成比例。您可以尝试通过广义线性模型个性进行泊松对数线性回归，因为您在计算。选择Poisson分布和规范日志链接功能。一定要包括两个选项：过度分散和Firth偏差调整。因为您正在使用DOE，所以我希望每次运行的机会相同，因此不需要偏移。
回复：广义回归人格和诊断包 如果处理，杀菌剂类型（X1）和真菌批次（X2）影响平均孢子数（Y），我试图解决。 实验设计是2x2因子，每个处理组合重复4次。 对残差的分析不符合ANOVA假设。 特别是，我担心残差似乎不是正态分布的，并且具有不等的方差，因此使治疗的统计显着性的结论无效。
转换数据也不会“标准化”残差。 因此，我有兴趣应用JMP中广义回归个性提供的任何分布（例如Gamma）。
回复：广义回归人格和诊断包在我们进一步讨论剩余问题之前，您可以与我们分享您试图解决的实际问题吗？在你的文件中，你有一个很好的平衡，复制的设计实验，有两个标称因子，每个都有两个级别。每个处理组合重复4次。没有一些事先考虑和理由，人们很少创造出这样的设计。在我开始检查“统计”和可视化以评估其他人创建的研究之前，我想了解该研究的目标。
回复：广义回归人格和诊断包非常感谢您的回复。我正在使用广义回归（JSL）脚本附加JMP文件。 我想知道，我应该检查伽马分布残差的特征是什么？
回复：广义回归人格和诊断包除了Peter的解释之外，您可以将每个残差（Y观察到的Y预测）视为对响应误差的估计。您使用的广义回归模型使用伽马分布对误差建模。因此，在使用残差检查回归假设时，假设伽玛分布而不是正态分布。
回复：广义回归人格和诊断包我认为你可能正在混淆我们想要对残差及其所需属性的假设，以及它们实际上的计算结果。根据适合的模型，任何JMP建模平台的残差都不比实际观察到的响应与特定观察的预测值之间的差异更优雅。所以残差就是它们。
所以这里真的有两个步骤......
第1步：计算残差。
步骤2：分析“缺乏适应性”或任何其他可疑模式的残差，这些模式可能会对模型的实际用途持续使用产生疑问。
我们使用残差分析等技术，许多可视化都嵌入在诊断包中，以测试我们想要测试的假设。因此，捆绑包的可视化中没有任何嵌入式假设。数据就是数据。您可以使用您的眼睛和领域专业知识来测试正常性，非随机模式，异常值等。你的眼睛和领域的专业知识应该胜过这个星球上的任何F测试或其他“缺乏适应性”测试。
