困難なデータ配布：適切な分析方法および/または変換？こんにちはJMPコミュニティ、
バイオマーカーレベル（正規分布）と0から比較的少数のポイントで0に偏っている臨床エンドポイントとの関係を分析する必要があります（下記参照）。
基本的に、この臨床データをFit Modelプラットフォームの連続変数として使用すると、残差は正規分布にはなりません。
私はいくつかの明白な変換（例えば立方根）を試してみましたが、それは私の問題を解決しません
このデータを分析するために使用できる適切な変換や方法は何でしょうか。
ご協力ありがとうございました。
TS
困難なデータ配布に関して：適切な分析方法および/または変換？配布プラットフォームは、配布の種類やデータの変換方法を理解するのに役立ちます。 流通プラットフォームで、赤い四角に移動して選択します。
連続フィット==>すべて
JMPは、どのディストリビューションが自分のデータに最も適しているかを判断します。可能であれば、それによって変換が行われます。
困難なデータ配布に関して：適切な分析方法および/または変換？あなたの説明からは分かりませんが、ほとんどの観察結果があなたが説明しようとしている臨床的要因として0を持っているように見えます。 それは実際には0です、そしてそれはほとんどの人がまったくこの臨床転帰を持っていないようですが、比較的少数は正と負の転帰を持っています（程度は異なります）。 その場合は、応答変数を、負、正、またはゼロの結果を示す公称変数に変更してみてください。 ゼロからの偏差の大きさに焦点が当てられている場合は、（多くのデータがある場合）2段階のプロセスを試すことができます。まず、負の0、正のカテゴリを予測し、次にゼロ以外の結果を条件として不一致のサイズを予測するには（不一致の絶対値を使用する場合は、対数変換を使用できます）。
いずれにせよ、臨床変数の性質についてのいくつかの追加の文脈はアイデアを求めるのに役立ちます。
困難なデータ配布に関して：適切な分析方法および/または変換？データが正規分布であるという要件については明確ではありません。応答は、線形予測子に基づいて正規分布します。私たちは通常、とりわけ残差と予測応答のプロットを調べることによって、この仮定を評価します。 残差プロットは何を示していますか？
また、残差プロットは、必要に応じて変換に向けたより良いガイドです。
最後に、Fit Least Squaresは応答に対してBox-Cox変換を実行するコマンドを提供します。通常成功するのは一般化されたべき乗関数です。
困難なデータ配布に関して：適切な分析方法および/または変換？提案ありがとう。正しく推測したように、データは大多数の真の0値と0から離れた少数の値で構成されています。
宜しくお願いします、
TSRe：難しいデータ配布：適切な分析方法および/または変換？親愛なるマーク、
ご意見ありがとうございます。最初の投稿で述べたように、Fit Least Squareによって生成された残余は明らかに正規分布ではなく、前に示したデータと同様の分布でした。
注目すべきは、Box-Cox変換を適用しようとしましたが、0と負の値のため、そのように実行することはできません。
宜しくお願いします、
TS
