使用绝对残差进行回归我有1989年至2019年的年度极端降水数据（频率为0到15）。我的假设是，过去16年（2004年至2019年）的极端气候（降水）比过去15年（1980年至2003年）有所增加。
我已经对这些数据进行了回归，结果表明回归线是向下的。然后，我使用绝对残差进行回归，这一次的结果表明绝对残差的回归线朝上。
我做对了吗？
为什么会有两种结果？
哪一个是对的？
回复：使用绝对残差进行回归我不确定线性回归是比较两个时间段的正确方法。回归需要匹配X和Y值，例如趋势的降水与年份。您的回应是什么，回归因素是什么？
您如何在JMP中执行两个回归？了解您使用的方法将帮助我们为您提供正确的答案。
如果您使用计数作为响应，那么泊松对数线性回归可能会更令人满意。但是我仍然看不到您如何比较两个时间段。只是通过比较参数估算值？如果是这样，则有更全面的方法可以解决这种情况。假设趋势随时间呈线性，那么您可能具有一个线性预测变量，例如降水=常数+ beta（1）*年份+ beta（时期）+ beta（2）*时期*年份。这样，您可以测试两个周期之间是否存在平均差异，以及两个周期之间的趋势是否不同。
回复：使用绝对残差进行回归听马克。 我还有其他评论：
1。你在退缩什么？极端降水vs. 时间？还是您的解释中缺少其他变量？
2。残差（实际预测）是预测模型与实际结果之间的差额。 如果这随着时间的推移而增加，那么该模型可能会出现不均等的方差问题（随着时间的增加，它会崩溃）。 不知道为什么要取残差的绝对值（好，幅度），但是为什么不关心符号呢？NID（0，variance）定量分析的基本假设。
3。实现回归模型取决于您要拟合的Y，模型中包含哪些项以及如何获取数据。
回复：使用绝对残差进行回归嗨，马克，
非常感谢。我添加了一个excel文件，该文件将向您展示我如何分析数据。您的回答将不胜感激。
回复：使用绝对残差进行回归非常感谢。我已经附加了一个包含数据和输出文件的文件。
这将向您说明数据的外观，并且我相信您将能够向我建议正确的分析方法。
回复：使用绝对残差进行回归- 您正在比较两个时间段内极端降水的发生次数。置换测试是考虑观察到的差异的好方法。
- 置换测试或方差分析应回答您的问题。如果您担心两个期间之间的任何差异，则其他非参数检验也有效。
- 简单的线性回归测试的是平均响应是否取决于预测变量Year。
- 趋势并不明显，因为明显的在没有趋势的情况下，随着时间的推移，事件发生的增加并不罕见。
- 绝对值（残差）与原始计数的回归是完全不同的分析。您无法比较两个回归。
- 第二次回归表明您的回答可能是同调的。没有平均趋势，有变化趋势。
- 是的，排列检验适用于两个周期的简单比较。
- 基于单侧置换检验的陈述（第二个时期的计数更高）只是因为据估计，有15％的样本差异至少与观察到的差异一样大。
- 计数的操作定义从何而来？连续4天降雨超过40毫米。
我使用您提供的数据运行了自己的置换测试。我一直得到不同的结果。这是其中之一：
所以我的单面p值为1185/2501 = 0.4738。也就是说，假设零假设没有差异（排列的基础），估计有47％的样本产生的差异至少与观察到的差异一样大。
回复：使用绝对残差进行回归另外，线性回归的假设是响应是无限的，并且可以在负无穷大和正无穷大之间变化。计数以零为界。他执行的回归不是最佳模型。
回复：使用绝对残差进行回归为什么不附加JMP文件？回复：使用绝对残差进行回归嗨，马克，
非常感谢您的支持和建议。您提供的信息非常有用。我已经做了一些分析，并寻求一些其他建议。很高兴看到附件。谢谢您的帮助。问候
回复：使用绝对残差进行回归斯塔曼，
我已经附上了JMP文件。在我以前的附件中，我添加了一个文件，其中包含一些分析和问题，以回应Mark的建议。
谢谢
回复：使用绝对残差进行回归您的残差分析表明对数Y更适合回归，因为方差现在是常数。您知道内置的Box-Cox转换吗？该自动化过程是对临时功率转换的概括。参数值的范围包括对数。等于零的Box-Cox转换参数与对数相同。现在，当我说相同时，此变换不会产生与对数或幂相同的值，但可以这样解释它们。因此，将参数值2解释为Y的平方，将值-1解释为倒数。
注意：您的措辞（思考）有点危险。我不会说当p值不低于一些主观选择的阈值（ɑ）时，“没有证据”。我要说的是，没有足够的证据证明我会拒绝检验中的零假设。
无论如何，很高兴您能够继续进行分析。
回复：使用绝对残差进行回归嗨，马克，
十分感谢您的支持。
我只是尝试了Box Cox转换，并得到一个错误“由于Y值为零或零，所以无法执行Box-Cox”。
你能给些建议么。另外，我想确保对原始频率数据而不对残差应用Box Cox变换。回复：使用绝对残差进行回归是的，我的意思是转换原始回复。我忘记了您的count = 0，所以这种方法行不通。这只是一个替代想法。
回复：使用绝对残差进行回归嗨，马克，
我再次执行了排列测试。请参阅附件。我的结果与您的结果完全不同，这意味着我做错了。我认为您做了bootstarap时会进行排列。请指教。
在我与您联系之前，一位数学教授建议我使用排列而非引导。因此，我使用了permutationt。另外，我没有Bootstarap的访问权限。
另外，您如何获得1185/2501 = 0.4738的值。
问候
回复：使用绝对残差进行回归我的结果 1185/2501 = 0.4738来自2501个自举样本中的1185个样本，其差异大于您观察到的差异。
据我所知，JMP不会执行置换测试。您如何使用JMP执行此测试？
回复：使用绝对残差进行回归首先，我道歉。我在上一篇文章中滥用了引导程序。忽略 p 值，我之前说过。
估计差异上的自举产生两侧置信区间。这是报告：
引导程序是根据 Ť -test不假定方差相等，而仅假设样本均值是正态分布的。此数据是计数和偏斜的，但也许CLT给出了近似正常的总和。这是该报告以及非参数精确检验。
我看到置信区间和双方之间的普遍共识 p 这些方法的值。的 p -值范围从0.16到0.28。当违反参数测试的分布假设时，非参数测试应具有更大的功效，但是在这种情况下，它们似乎暗示了相同的结论。
JMP没有排列测试。您使用了JMP学术用户区域中提供的加载项。我写了我自己的。它产生单面 p 值0.07-0.08，接近 p 尾t检验的-值（0.08）。
Box-Cox转换用于严格的正连续响应。您可以为每个观察值加1，然后从任何预测中减去。但这就是置换检验和非参数检验的重点。
回复：使用绝对残差进行回归两种均值或中位数的置换检验
嗨，马克，我使用了此链接来进行大体排列。谢谢
您的另一个问题-由于某些计数= 0，因此，我无法使用Box-Cox，替代品是什么？
回复：使用绝对残差进行回归非常感谢，
因此，我知道JMP学术用户区（我已经使用过）中提供的加载项与您编写的相似，对吗？
在我的一些位置频率数据中，在31个数据点中，有18个为零。因此，在这种频率数据中，没有任何变换可以使数据正常。那么，有什么线索，应该使用什么方法？我已经附上了JMP文件。谢谢你的时间。
回复：使用绝对残差进行回归我对您使用的加载项不熟悉，但是我确信它在发布之前已经过审核。比较两个样本的情况是如此简单，以至于我编写了一个脚本，并进行了验证。
为什么需要使用对数函数转换数据？你下一步怎么做？
如果您需要应用日志，则只需以一个小的正数即可。当响应为10 ^ 6时，我可以加1。如果响应为10或100，则我可以加上0.01或0.001。如果我对任何模型或分析的预测进行逆变换，则始终可以减去偏移值。
回复：使用绝对残差进行回归嗨，马克，
非常感谢。在附件中，我还有其他问题要问。JMP文件也已附加。
问候
回复：使用绝对残差进行回归首先，为什么不直接输入您的问题，而不是将它们放入我们必须打开的Excel工作簿中？
其次，没有JMP数据表。我可以从Excel工作簿的列中获得一个，但是您似乎没有使用JMP。该讨论论坛适用于JMP用户。
这是我对您问题的回答。
- 使用置换测试。我之前已经回答了这个问题。
- 对非正态数据使用“绝对”回归。我之前已经回答了这个问题。
- 比较两个时间段的传播。我之前已经回答了这个问题。
- 建议另一种方法。我之前已经回答了这个问题。
我们似乎正在“转圈”。
回复：使用绝对残差进行回归标记，
感谢您的回复。我定期使用JMP。抱歉，我忘记附加JMP文件了。我已经附上它，表明我确实在使用它:)
部门 我使用的是三个许可证/用户，它们是经常使用的用户。
