元のスケールでの一般化モデルの結果の解釈多分これはばかげた質問ですが、私は一般化されたモデルに初めてです。私は自然に0から1の間にあるいくつかの比率データでベータ一般化モデルを実行しました。モデルは、予想通り治療群間で有意に異なるパラメータ推定値を出力する。私が抱えている問題は、パラメータ推定値が0から1の間ではない新しいスケールであるということです。これは、プログラムがモデルを実行するために使用するある種の変換によるものと想定しています。これらの結果を元のスケールで解釈できるようにしたいです。すなわち、試験マウスは製品Ａで処理した飼料の９５％を消費した（信頼区間［９７％、９３％］）一方、製品Ｂで処理した飼料は２０％の消費しか見なかった（信頼区間［２４％、１６％］）誰もが推定値を逆変換する簡単な方法を知っていますか？
元のスケールでの一般化モデルの結果の解釈こんにちは @マナナヒ 、
「一般化モデル」とは、フィットモデルの一般化回帰パーソナリティを意味しますか？私はこの答えのためにそう仮定します、しかしあなたが他の何かをしているならば私に知らせてください。
このようなモデルはリンク関数を採用しているので、あなたが気づいたようにあなたのパラメータ推定値はあなたの変数の元の単位にはありません。これはへのリンクですこれらの応答分布の統計詳細そして、これがベータ版の具体的な詳細です。
そこに解凍することがたくさんあります、そして私の提案はjmpにもっと簡単な方法があるので自分自身で公式を通り抜けないことです。入力変数の関数として元の単位で応答をプロファイルするための私の最初の方法は、予測プロファイラーです。あなたはあなたのモデルのための赤い三角形の下でこれにアクセスすることができ（最大尤度の隣に）そしてプロファイラー>プロファイラーを選択します。これにより、予測プロファイラーがレポートに追加され、入力に応じて応答Yを対話形式でプロファイル（クリックスルー）できます。左側に報告されているのは、あなたが選択した入力とその点推定値周辺の95％信頼区間で与えられた平均応答です。
これが役に立つことを願っています！
@julian
