使用絕對殘差進行回歸我有1989年至2019年的年度極端降水數據（頻率為0到15）。我的假設是，過去16年（2004年至2019年）的極端氣候（降水）比過去15年（1980年至2003年）有所增加。
我已經對這些數據進行了回歸，結果表明回歸線是向下的。然後，我使用絕對殘差進行回歸，這一次的結果表明絕對殘差的回歸線朝上。
我做對了嗎？
為什麼會有兩種結果？
哪一個是對的？
回复：使用絕對殘差進行回歸我不確定線性回歸是比較兩個時間段的正確方法。回歸需要匹配X和Y值，例如趨勢的降水與年份。您的回應是什麼，回歸因素是什麼？
您如何在JMP中執行兩個回歸？了解您使用的方法將幫助我們為您提供正確的答案。
如果您使用計數作為響應，那麼泊鬆對數線性回歸可能會更令人滿意。但是我仍然看不到您如何比較兩個時間段。只是通過比較參數估算值？如果是這樣，則有更全面的方法可以解決這種情況。假設趨勢隨時間呈線性，那麼您可能具有一個線性預測變量，例如降水=常數+ beta（1）*年份+ beta（時期）+ beta（2）*時期*年份。這樣，您可以測試兩個週期之間是否存在平均差異，以及兩個週期之間的趨勢是否不同。
回复：使用絕對殘差進行回歸聽馬克。 我還有其他評論：
1。你在退縮什麼？極端降水vs. 時間？還是您的解釋中缺少其他變量？
2。殘差（實際預測）是預測模型與實際結果之間的差額。 如果這隨著時間的推移而增加，那麼該模型可能會出現不均等的方差問題（隨著時間的增加，它會崩潰）。 不知道為什麼要取殘差的絕對值（好，幅度），但是為什麼不關心符號呢？NID（0，variance）定量分析的基本假設。
3。實現回歸模型取決於您要擬合的Y，模型中包含哪些項以及如何獲取數據。
回复：使用絕對殘差進行回歸嗨，馬克，
非常感謝。我添加了一個excel文件，該文件將向您展示我如何分析數據。您的回答將不勝感激。
回复：使用絕對殘差進行回歸非常感謝。我已經附加了一個包含數據和輸出文件的文件。
這將向您解釋數據的外觀，並且我相信您將能夠向我建議正確的分析方法。
回复：使用絕對殘差進行回歸- 您正在比較兩個時間段內極端降水的發生次數。置換測試是考慮觀察到的差異的好方法。
- 置換測試或方差分析應回答您的問題。如果您擔心兩個期間之間的任何差異，則其他非參數檢驗也有效。
- 簡單的線性回歸測試的是平均響應是否取決於預測變量Year。
- 趨勢並不明顯，因為明顯的在沒有趨勢的情況下，隨著時間的推移，事件發生的增加並不罕見。
- 絕對值（殘差）與原始計數的回歸是完全不同的分析。您無法比較兩個回歸。
- 第二次回歸表明您的回答可能是同調的。沒有平均趨勢，有變化趨勢。
- 是的，排列檢驗適用於兩個週期的簡單比較。
- 基於單側置換檢驗的陳述（第二個時期的計數更高）只是因為據估計，有15％的樣本差異至少與觀察到的差異一樣大。
- 計數的操作定義從何而來？連續4天降雨超過40毫米。
我使用您提供的數據運行了自己的置換測試。我一直得到不同的結果。這是其中之一：
所以我的單面p值為1185/2501 = 0.4738。也就是說，假設零假設沒有差異（排列的基礎），估計有47％的樣本產生的差異至少與觀察到的差異一樣大。
回复：使用絕對殘差進行回歸另外，線性回歸的假設是響應是無限的，並且可以在負無窮大和正無窮大之間變化。計數以零為界。他執行的回歸不是最佳模型。
回复：使用絕對殘差進行回歸為什麼不附加JMP文件？回复：使用絕對殘差進行回歸嗨，馬克，
非常感謝您的支持和建議。您提供的信息非常有用。我已經做了一些分析，並尋求一些其他建議。很高興看到附件。謝謝您的幫助。問候
回复：使用絕對殘差進行回歸斯塔曼，
我已經附上了JMP文件。在我以前的附件中，我添加了一個文件，其中包含一些分析和問題，以回應Mark的建議。
謝謝
回复：使用絕對殘差進行回歸您的殘差分析表明對數Y更適合回歸，因為方差現在是常數。您知道內置的Box-Cox轉換嗎？該自動化過程是對臨時功率轉換的概括。參數值的範圍包括對數。等於零的Box-Cox轉換參數與對數相同。現在，當我說相同時，此變換不會產生與對數或冪相同的值，但可以這樣解釋它們。因此，將參數值2解釋為Y的平方，將值-1解釋為倒數。
注意：您的措辭（思考）有點危險。我不會說當p值不低於一些主觀選擇的閾值（ɑ）時，“沒有證據”。我要說的是，沒有足夠的證據證明我會拒絕檢驗中的零假設。
無論如何，很高興您能夠繼續進行分析。
回复：使用絕對殘差進行回歸嗨，馬克，
十分感謝您的支持。
我只是嘗試了Box Cox轉換，並得到一個錯誤“由於Y值為零或零，所以無法執行Box-Cox”。
你能給些建議麼。另外，我想確保對原始頻率數據而不對殘差應用Box Cox變換。回复：使用絕對殘差進行回歸是的，我的意思是轉換原始回复。我忘記了您的count = 0，所以這種方法行不通。這只是一個替代想法。
回复：使用絕對殘差進行回歸嗨，馬克，
我再次執行了排列測試。請參閱附件。我的結果與您的結果完全不同，這意味著我做錯了。我認為您做了bootstarap時會進行排列。請指教。
在我與您聯繫之前，一位數學教授建議我使用排列而非引導。因此，我使用了permutationt。另外，我沒有Bootstarap的訪問權限。
另外，您如何獲得1185/2501 = 0.4738的值。
問候
回复：使用絕對殘差進行回歸我的結果 1185/2501 = 0.4738來自2501個自舉樣本中的1185個樣本，其差異大於您觀察到的差異。
據我所知，JMP不會執行置換測試。您如何使用JMP執行此測試？
回复：使用絕對殘差進行回歸首先，我道歉。我在上一篇文章中濫用了引導程序。忽略 p 值，我之前說過。
估計差異上的自舉產生兩側置信區間。這是報告：
引導程序是根據 Ť -test不假定方差相等，而僅假設樣本均值是正態分佈的。此數據是計數和偏斜的，但也許CLT給出了近似正常的和。這是該報告以及非參數精確檢驗。
我看到置信區間和雙方之間的普遍共識 p 這些方法的值。的 p -值範圍從0.16到0.28。當違反參數測試的分佈假設時，非參數測試應具有更大的功效，但是在這種情況下，它們似乎暗示了相同的結論。
JMP沒有排列測試。您使用了JMP學術用戶區域中提供的加載項。我寫了我自己的。它產生單面 p 值0.07-0.08，接近 p 尾t檢驗的-值（0.08）。
Box-Cox轉換用於嚴格的正連續響應。您可以為每個觀察值加1，然後從任何預測中減去。但這就是置換檢驗和非參數檢驗的重點。
回复：使用絕對殘差進行回歸兩種均值或中位數的置換檢驗
嗨，馬克，我使用了此鏈接來進行大體排列。謝謝
您的另一個問題-由於某些計數= 0，因此，我無法使用Box-Cox，替代品是什麼？
回复：使用絕對殘差進行回歸非常感謝，
因此，我知道JMP學術用戶區（我已經使用過）中提供的加載項與您編寫的相似，對嗎？
在我的一些位置頻率數據中，在31個數據點中，有18個為零。因此，在這種頻率數據中，沒有任何變換可以使數據正常。那麼，有什麼線索，應該使用什麼方法？我已經附上了JMP文件。謝謝你的時間。
回复：使用絕對殘差進行回歸我對您使用的加載項不熟悉，但是我確信它在發布之前已經過審核。比較兩個樣本的情況是如此簡單，以至於我編寫了一個腳本，並進行了驗證。
為什麼需要使用對數函數轉換數據？你下一步怎麼做？
如果您需要應用日誌，則只需提供一個小的正數。當響應為10 ^ 6時，我可以加1。如果響應為10或100，則我可以加上0.01或0.001。如果我對任何模型或分析的預測進行逆變換，則始終可以減去偏移值。
回复：使用絕對殘差進行回歸嗨，馬克，
非常感謝。在附件中，我還有其他問題要問。JMP文件也已附加。
問候
回复：使用絕對殘差進行回歸首先，為什麼不直接輸入您的問題，而不是將它們放入我們必須打開的Excel工作簿中？
其次，沒有JMP數據表。我可以從Excel工作簿的列中獲得一個，但是您似乎沒有使用JMP。該討論論壇適用於JMP用戶。
這是我對您問題的回答。
- 使用置換測試。我之前已經回答了這個問題。
- 對非正態數據使用“絕對”回歸。我之前已經回答了這個問題。
- 比較兩個時間段的傳播。我之前已經回答了這個問題。
- 建議另一種方法。我之前已經回答了這個問題。
我們似乎正在“轉圈”。
回复：使用絕對殘差進行回歸標記，
感謝您的回复。我定期使用JMP。抱歉，我忘了附加JMP文件，這是我的錯誤。我已經附上它，表明我確實在使用它:)
部門 我使用的是三個許可證/用戶，它們是經常使用的用戶。
