基于距离的线性建模作为一名生态学家，我经常在 JMP 和 PRIMER 之间来回切换，但是，随着 JMP 的每次更新，我可以在 JMP 中做更多事情（因此对 PRIMER 的需求更少）。然而，PRIMER 有一种基于距离矩阵的多元算法，称为“基于距离的线性建模”(DistLM)，其工作原理本质上类似于逐步回归（通过最小化 BIC/AICc 进行模型选择），但以距离矩阵作为输入。对于那些希望找到最佳模型来解释多变量框架中样本之间的相似性和差异的人来说，这非常有用。我觉得 JMP 已经具有距离矩阵容量和逐步回归，而且，虽然我知道这比单变量逐步回归复杂得多，但我认为应该可以在 JMP 中开发这种技术（以及更常用的 PERMANOVA） 。实际上，它不需要是 DistLM，只是逐步回归的任何多元化身。请sssssseeeeee。
预测建模和机器学习回复：基于距离的线性建模 - 状态更改为：已确认你好@abmayfield ， 谢谢你的建议！ 我们已收到您的请求并将予以考虑。
回复：基于距离的线性建模你好，
非常感谢您查看我的数据。 作为与您得出的类似结论，我最终不得不丢弃几个环境参数（礁石区和礁石类型），因为它们要么非常不平衡，要么随着岛屿而缩放。 我最终只使用了 1) 岛屿、2) 温度、3) 盐度、4) ALCC、5) 深度、6)、采样时间（光的代理）、7) 菌落颜色和 8)宿主物种作为环境因素。 然后，我只使用了两个大小参数之一（最大菌落长度），因为它们提供了几乎相同的信息。 我还得出结论，在 JMP 上使用 PCA、逐步回归和其他一些方法时，“主机”可能是最重要的因素。
我真的很喜欢您对主成分使用逐步回归的想法，另一位 JMP 技术支持人员推荐了这一点，所以我很快就会检查一下。 有趣的是，我对 Mahalanobis 距离使用了逐步回归，因为我对那些最不同的样本（异常值）感兴趣，并且包括岛屿、宿主和 ALCC（珊瑚覆盖）在内的最佳拟合模型得出了最小 BIC 和调整后的值r2为0.4左右。
我仍然希望 JMP 能够开发一个多变量、基于距离的平台来揭示未来的环境变化（以与 PRIMER 类似的方式），但我认为 PC 和/或 MDS 坐标的逐步回归将是一个很好的解决方案与此同时。 再次感谢你的帮助。
回复：基于距离的线性建模安德森，
感谢您提供 JMP 表练习。分析步骤概要如下：
- 在列上运行多维缩放最大长度（厘米）通过sym ubiq-lig指定数据格式为属性并要求 3 个维度。 我不熟悉这些数据，也没有上下文，所以我指定了 Transform没有任何.然后保存尺寸。 这将保存维度 1 - 维度 3 分数。维度 2 与维度 1 的图表显示了一些组。 然而，我对 MDS 的经验很少，而对 Ptincipal Components 的经验更多......
- 对这些相同的变量进行主成分分析。 下面是标准的屏幕截图。变量聚类的组成部分和变量的负载矩阵。Prin1 是除 Sym GCP 之外的 Sym 变量的矩阵； Prin2 似乎与大小有关，而 Prin3 则与一些遗传特征有关。 保存前 3 个组件。
- 字符变量似乎很难使用，我认为你应该对它们进行评分，例如温度或盐度。 我只是添加了一些价值排序，例如颜色，我将它们订购为正常、苍白、非常、苍白、漂白。 在此步骤中，您可以逐步使用 3 个响应 Prin1、Prin2 和 Prin3。然而，当有像国家和岛屿这样的变量时，我喜欢看特征。 这看起来像可用数据。 下面是三个例子。由于不了解这些数据，也不知道某些特征是嵌套（特定于）其他特征（例如岛屿或主机）的事实，并且所有影响都是名义上的，因此我不会推荐任何特定方法，也不会提供分析。然而，宿主、盐度和颜色似乎很重要。按 Host 绘制尺寸或主成分以查看结果
reef zonereef zonereef zonereef zone礁石区
reef typereef typereef typereef type礁石类型
salinity vs. hostsalinity vs. hostsalinity vs. hostsalinity vs. host盐度与宿主
我不是生物学家，我只看了几个展示 Primer 示例的视频。这是仅供参考。
回复：基于距离的线性建模JMP+练习+数据.jmp
你好，
感谢您对我的查询/请求感兴趣。 你所说的空间集群是什么？层次聚类？ 我确实知道如何使用聚类分析在 JMP 中制作距离矩阵：我只是不知道如何揭示在对矩阵内的关系/相似性进行建模时最重要的因素。 这是我一直在使用的一个小数据集。 有 9 个左右的响应各种（连续）和 10-12 个环境参数（作为字符数据）。 我想看看哪些环境参数（或其组合）最能模拟样本之间的相似性（使用所有 9 个响应变量的多元响应）。 这可以在 JMP 中实现吗（即多元逐步回归）？ 之前我被告知“不”，但也许我被错误地告知了！
谢谢，
安德森
回复：基于距离的线性建模我刚刚回顾了几个有关使用 PRIMER、DistLM 的视频。 它使用的方法似乎是对生物质量指标（特征，如物种计数或物种质量）进行某种类型的多变量分析，或者对属性或主成分使用 MDS（多维尺度）。 然后在 PC1 或 PC2 上运行 DistLM，这是对潜在因素的逐步回归或所有可能的回归。
这在 JMP 中可能是可行的，但在单个 GUI 界面中则不行。JMP 空间聚类给我留下了深刻的印象。
我并不是贬低您对环境平台的要求。 我的目标是建议 JMP 今天可能为您提供解决方案。
如果您有一个可共享的数据集，例如 Keith Guiness 视频中分析的数据集，请将其发布，然后 JMP 专家之一可能会尝试使用它。
感谢您的帖子，它提供了学习新东西的途径。
