在原始尺度上解释广义模型结果也许这是一个愚蠢的问题，但我是广义模型的新手。我已经在一些比例数据上执行了一个β广义模型，该数据自然在0和1之间。该模型输出的参数估计值在预期的治疗组之间显着不同。我遇到的问题是参数估计是在一个不在0和1之间的新规模。我假设这是由于程序用来运行模型的某种转换。我希望能够以原始比例解释这些结果。即：测试小鼠消耗95％用产品A处理的饲料（置信区间[97％，93％]）而用产品B处理的饲料仅消耗20％（置信区间[24％，16％]）有谁知道一种简单的方法来改变估计？
Re：以原始比例解释广义模型结果你好 @Mananahi ，
“广义模型”是指适合模型中的广义回归个性吗？我会假设这个答案，但如果你正在做其他事情让我知道。
诸如此类的模型使用链接函数，因此您的参数估计值（如您所注意到的）不在变量的原始单位中。这是一个链接这些响应分布的统计详细信息 ，以下是测试版的具体细节：
在那里打包有很多东西，我的建议是不要自己完成公式，因为在jmp中有一个更简单的方法。作为输入变量函数的原始单元中的响应的自定义方法是Prediction Profiler。您可以在模型的红色三角形下访问此模型（在最大似然旁边），然后选择Profilers> Profiler。这会将Prediction Profiler附加到报告中，该报告可让您根据输入以交互方式分析（点击）响应Y. 左边报告的是给定输入的平均响应和围绕该点估计的95％置信区间。
我希望这有帮助！
@julian
