在原始尺度上解釋廣義模型結果也許這是一個愚蠢的問題，但我是廣義模型的新手。我已經在一些比例數據上執行了一個β廣義模型，該數據自然在0和1之間。該模型輸出的參數估計值在預期的治療組之間顯著不同。我遇到的問題是參數估計是在一個不在0和1之間的新規模。我假設這是由於程序用來運行模型的某種轉換。我希望能夠以原始比例解釋這些結果。即：測試小鼠消耗95％用產品A處理的飼料（置信區間[97％，93％]）而用產品B處理的飼料僅消耗20％（置信區間[24％，16％]）有誰知道一種簡單的方法來改變估計？
Re：以原始比例解釋廣義模型結果你好 @Mananahi ，
“廣義模型”是指適合模型中的廣義回歸個性嗎？我會假設這個答案，但如果你正在做其他事情讓我知道。
諸如此類的模型使用鏈接函數，因此您的參數估計值（如您所注意到的）不在變量的原始單位中。這是一個鏈接這些響應分佈的統計詳細信息 ，以下是測試版的具體細節：
在那裡打包有很多東西，我的建議是不要自己完成公式，因為在jmp中有一個更簡單的方法。作為輸入變量函數的原始單元中的響應的自定義方法是Prediction Profiler。您可以在模型的紅色三角形下訪問此模型（在最大似然旁邊），然後選擇Profilers> Profiler。這會將Prediction Profiler附加到報告中，該報告可讓您根據輸入以交互方式分析（點擊）響應Y. 左邊報告的是給定輸入的平均響應和圍繞該點估計的95％置信區間。
我希望這有幫助！
@julian
