回复：非正态比例数据的相关性分析是的，当然很抱歉，不清楚。我有一个衡量果蝇损坏的水果比例的方法-该指标的计算方法是：损坏的水果数除以一平方米内的水果总数。这是我用作响应变量的度量。我想测试此度量与其他5个变量之间的相关性，其中只有两个是数字。两个数值解释变量是陷阱中捕获的果蝇数量和树上蚂蚁的比例。对水果的损害仅是由果蝇造成的，据信蚂蚁可以减少损害的数量，我想调查这种情况是否成立。三个类别的解释变量是“国家”，“芒果品种”和“治疗”。国家/地区与数据来自哪个国家/地区有关，在果园中采用了哪种处理方式以减少果蝇的数量。因此，假设是：蚂蚁减少了对水果的伤害程度，而高比例的蚂蚁与其他处理方法相结合则增强了这种效果。
我无法共享数据，因为我无权共享数据。我希望这可以使事情变得简单。
回复：非正态比例数据的相关性分析是的，这会有所帮助。 我仍然建议您的响应变量可以改善，但是我离题了。 在很大程度上取决于我们正在谈论的比例。 如果比例很小，那么在没有大样本量的情况下将很难检测到变化（分布问题可能会产生影响）。 如果比例很大，那么分配问题的影响将较小。
我将从拟合模型开始。 将损坏的比例输入Y，将5个输入变量输入模型。
顺便说一句，您始终可以发送相似但伪造的数据集，因此我们可以向您显示浏览分析的选项。
回复：非正态比例数据的相关性分析如果您知道每种情况下发生的两种结果中的哪一种，那么您还可以使用逻辑回归或二进制广义线性模型。我同意 @statman 的建议。我只是在分析中添加替代方法。
回复：非正态比例数据的相关性分析谢谢，我会尝试的！
每个变量都有大约13.000个数据点，因此样本量很大，但是变量为零。因此，在模型方面，我可能会尝试使用零膨胀的beta二项式分布进行运气，但我从未尝试过，所以祝我好运！
回复：非正态比例数据的相关性分析谢谢！由于数据的零通货膨胀，建议我尝试使用β二项式或零膨胀β二项式模型，但是我之前从未做过任何尝试，因此，如果失败，我将尝试我更熟悉的“普通”二进制GLM。非正态比例数据的相关性分析嗨，JMP社区，
我正在分析一个数据集，我想分析对水果测得的损害比例与蚂蚁比例和果蝇数量之间的关系。数据不是正态分布的（请参见直方图），我正计划制作具有二项式分布的GLM。我了解到比例数据的相关性分析有些棘手，因此我寻求有关如何以最佳方式进行此操作的帮助。
