回复：非正態比例數據的相關性分析是的，當然很抱歉，不清楚。我有一個衡量果蠅損壞的水果比例的方法-該指標的計算方法是：損壞的水果數除以一平方米內的水果總數。這是我用作響應變量的度量。我想測試此度量與其他5個變量之間的相關性，其中只有兩個是數字。兩個數值解釋變量是陷阱中捕獲的果蠅數量和樹上螞蟻的比例。對水果的損害僅是由果蠅造成的，據信螞蟻可以減少損害的數量，我想調查這種情況是否成立。三個類別的解釋變量是“國家”，“芒果品種”和“治療”。國家/地區與數據來自哪個國家/地區有關，在果園中採用了哪種處理方式以減少果蠅的數量。因此，假設是：螞蟻減少了對水果的傷害程度，而高比例的螞蟻與其他處理方法相結合則增強了這種效果。
我無法共享數據，因為我無權共享數據。我希望這可以使事情變得簡單。
回复：非正態比例數據的相關性分析是的，這會有所幫助。 我仍然建議您的響應變量可以改善，但是我離題了。 在很大程度上取決於我們正在談論的比例。 如果比例很小，那麼在沒有大樣本量的情況下將很難檢測到變化（分佈問題可能會產生影響）。 如果比例很大，那麼分配問題的影響將較小。
我將從擬合模型開始。 將損壞的比例輸入Y，將5個輸入變量輸入模型。
順便說一句，您始終可以發送相似但偽造的數據集，因此我們可以向您顯示瀏覽分析的選項。
回复：非正態比例數據的相關性分析如果您知道在每種情況下都會發生兩種結果中的哪一種，那麼您還可以使用邏輯回歸或二進制廣義線性模型。我同意 @statman 的建議。我只是在分析中添加替代方法。
回复：非正態比例數據的相關性分析謝謝，我會嘗試的！
每個變量都有大約13.000個數據點，因此樣本量很大，但是變量為零。因此，在模型方面，我可能會嘗試使用零膨脹的beta二項式分佈進行運氣，但我以前從未嘗試過，所以祝我好運！
回复：非正態比例數據的相關性分析謝謝！由於數據的零通貨膨脹，建議我嘗試使用β二項式或零膨脹β二項式模型，但是我之前從未做過任何嘗試，因此，如果失敗，我將嘗試我更熟悉的“普通”二進制GLM。非正態比例數據的相關性分析嗨，JMP社區，
我正在分析一個數據集，我想分析對水果測得的損害比例與螞蟻比例和果蠅數量之間的關係。數據不是正態分佈的（請參見直方圖），我正計劃製作具有二項式分佈的GLM。我了解到比例數據的相關性分析有些棘手，因此我尋求有關如何以最佳方式進行此操作的幫助。
