无截距的广义线性模型你好，
我需要你的帮助。 我想用 GLM 进行分析，但不进行拦截。 我无法选择“不拦截”选项。
我想得到同样的结果： http://support.sas.com/kb/24/992.html
我不知道如何在 GLM、distribution=Binomial、Link=Logit 中获取选项“No Intercept”
回复：无截距的广义线性模型非常感谢！ 我欠你的情:)回复：无截距的广义线性模型你好@mhans ,
这在标准 JMP 中是可能的，但需要对表进行轻微的重组。 您需要的是赢或输的名义结果变量，而您拥有的是这些发生频率的汇总表。 我在这里附上了这样一个扩展表，并保存了名义上的逻辑脚本（下面将详细讨论）。 请注意这些表格的形式，下图中是选择了第一行的原始表格，底部是展开的表格，选择了与该汇总行相对应的 13 行。 请注意，有 13 场比赛，即 Mil 和 Det 之间的 13 场比赛，其中 7 胜 6 负，这反映了顶部表中的胜利 = 7。 
该模型的设置非常简单：分析 > 拟合模型，结果为 Y，所有团队为模型效果，并选中“无拦截”。 
这将返回以下输出，您将看到匹配的内容：
Fit Model(
Y( :Outcome ),
Effects( :mil, :det, :tor, :new, :bos, :cle, :bal ),
No Intercept( 1 ),
Choose High Target( 1 ),
Personality( "Nominal Logistic" ),
Run( Likelihood Ratio Tests( 1 ), Wald Tests( 0 ) ))
这里广义回归的增值之处在于，您可以在定义 y 变量时直接指定 win/total 结构，该结构在后台处理扩展。
@朱利安
回复：无截距的广义线性模型你好@朱利安,
哇，谢谢你！ 我发现，在 JMP 中这是可能的。 我只有“普通”版本的 JMP。 是否可以使用普通版本（如没有截距或 GLM 的逻辑回归）来实现此模型？
如果没有，您可以将 pdf 形式的输出发送给我吗？
向这个解决方案致敬。
回复：无截距的广义线性模型你好@mhans ,
我更好地理解你现在想做什么。 要匹配这些结果（Bradley-Terry 模型），您需要使用广义回归平台，该平台仅在 JMP Pro 中可用。 我已附加该 SAS 示例中使用的数据表的 JMP 版本，并将脚本保存到表中。 以下是重现此问题的步骤：
1. 启动分析 > 拟合模型。
2. 将广义回归指定为个性，将分布指定为二项式。
3. 输入 Win 和 Total 作为 Y，Columns，并输入所有预测变量作为模型效应。
4. 勾选底部的“无拦截”。
您的“拟合模型”对话框现在应如下所示：
5. 单击“运行”，然后在出现的对话框中，指定 Logistic 回归作为估计方法，然后单击“执行”：
这将返回以下输出，您可以确认该输出与 SAS 结果匹配。
这是此分析的 JSL，也保存到附表中。
Fit Model(
Y( :win, :total ),
Effects( :mil, :det, :tor, :new, :bos, :cle, :bal ),
No Intercept( 1 ),
Personality( "Generalized Regression" ),
Generalized Distribution( "Binomial" ),
Run(
Fit( Estimation Method( Logistic Regression ), Validation Method( None ) )
)
);
我希望这有帮助！
@朱利安
回复：无截距的广义线性模型你好@朱利安,
感谢您的回复。 我厌倦了使用名义上的逻辑人格。 响应变量 y 应该是标称的，我的变量 y 是公制的（0 到 1 之间，获胜的百分比）。 我使用变量 y: 1 或 -1 为我的数据创建了一个新结构，并将数据复制到表单中
1 -1 0 0 0 0 0 7 1
1 0 -1 0 0 0 0 9 1
(...)
0 0 0 0 0 1 -1 6 1
(new part of data)
-1 1 0 0 0 0 0 6 -1
-1 0 1 0 0 0 0 4 -1
(...)
0 0 0 0 0 -1 1 7 -1
结果与 SAS 中的结果不一样。我不知道如何重现它...
回复：无截距的广义线性模型你好@mhans ,
不像广义线性模型个性，即名义物流通过选中“拟合模型”对话框窗口中的“无截距”框，可以在没有截距的情况下运行拟合模型中的个性。 假设您尚未检查 Firth 偏差调整估计值（选中此框，模型估计值将有所不同），此个性将返回与具有二项式误差分布和 logit 链接函数的广义线性模型个性相同的结果。 也许这适合您的情况？
@朱利安
