困難的數據分佈：適當的分析方法和/或轉型？嗨JMP社區，
我需要分析生物標誌物水平（正態分佈）和臨床終點之間的關係，該終點高度偏向0，距離0相對較少（見下文）。
基本上，如果我將此臨床數據用作擬合模型平台中的連續變量，則我的殘差不會正常分佈。
我嘗試了一些明顯的轉換（例如立方根），但這並沒有解決我的問題
我可以使用什麼適當的轉換和/或方法來分析這些數據？
謝謝您的幫助。
TS
回复：困難的數據分佈：適當的分析方法和/或轉型？分發平台可能能夠幫助您確定您擁有的分發以及如何轉換數據。 在分發平台中，轉到紅色trangle並選擇
連續適合==>全部
JMP將確定哪種分佈最適合您的數據，如果可能，它將為您提供轉換。
回复：困難的數據分佈：適當的分析方法和/或轉型？我無法從您的描述中看出，但看起來大多數觀察結果都是0，因為您試圖解釋的臨床因素。 它實際上是0，那麼似乎大多數人根本沒有這種臨床結果，而相對較小的數字則有不同程度的正面和負面結果。 如果是這種情況，您可以嘗試將響應變量更改為標稱變量，指示結果為負，正或零。 如果焦點是這些偏離零的大小，那麼你可以（如果你有很多數據）嘗試一個兩步過程：首先預測負，0，正類別，然後以非零結果為條件，嘗試預測差異的大小（如果使用差異的絕對值，則可以使用日誌轉換）。
在任何情況下，關於臨床變量性質的一些額外背景將有助於徵求意見。
回复：困難的數據分佈：適當的分析方法和/或轉型？我不清楚數據是否正常分佈的要求。響應應該正常分佈在線性預測器上。我們通常通過檢查殘差與預測響應的關係圖來評估這一假設。 剩餘情節顯示了什麼？
此外，如有必要，剩餘圖是更好的轉換指南。
最後，Fit Least Squares提供了一個命令，用於對響應執行Box-Cox轉換。它是一種通用的冪函數，通常會成功。
回复：困難的數據分佈：適當的分析方法和/或轉型？謝謝你的建議。正如您所猜測的那樣，數據由大多數真實0值加上少數遠離0的值組成。
最好的祝福，
TS回复：數據分發困難：適當的分析方法和/或轉換？親愛的馬克，
感謝您的反饋意見。正如我在最初的帖子中提到的，Fit Least Square 產生的殘差顯然不是正態分佈的，其分佈類似於我之前展示的數據。
值得注意的是，我嘗試應用 Box-Cox 變換，但由於 0 和負值而無法進行。
此致，
TS
