nav[aria-label="Primary Navigation"] { padding: 0; & ul { list-style: none; width: 100%; display: flex; flex-direction: row; justify-content: start; align-items: start; gap: 30px; padding: 0; & li { margin: 0; } & ul li { list-style: none; } } }

225700_zh-CN

liliconcom

您未使用的最灵活的建模平台（2019-US-TUT-293）

级别：中级

SAS JMP首席研究统计学家开发人员Clay Barker

广义回归-听起来很吓人，但事实并非如此。JMP Pro中的该平台可以处理最常见的线性建模练习。是否需要在各种可能性中找到最佳的预测变量集（即变量选择）？这个平台可以做到。是否需要为两个以上级别的分类响应建模？广义回归可以做到这一点。非正常响应是否有问题，例如计数数据或收益率百分比？在其他建模方法因这些响应而落下的情况下，广义回归会认真处理它们。如果您不使用此平台，那么您会错过。我们将研究使用Genreg在各种设置中构建模型：从正交设计的实验开始，然后过渡到大型观测数据集。