基於距離的線性建模作為一名生態學家，我經常在 JMP 和 PRIMER 之間來回切換，但是，隨著 JMP 的每次更新，我可以在 JMP 中做更多事情（因此對 PRIMER 的需求更少）。然而，PRIMER 有一個基於距離矩陣的多元演算法，稱為「基於距離的線性建模」(DistLM)，其工作原理本質上類似於逐步回歸（透過最小化BIC/AICc 進行模型選擇），但以距離矩陣作為輸入。對於那些希望找到最佳模型來解釋多變量框架中樣本之間的相似性和差異的人來說，這非常有用。我覺得 JMP 已經具有距離矩陣容量和逐步回歸，而且，雖然我知道這比單變量逐步回歸複雜得多，但我認為應該可以在 JMP 中開發這種技術（以及更常用的 PERMANOVA） 。實際上，它不需要是 DistLM，只是逐步回歸的任何多元化身。請sssssseeeeee。
預測建模和機器學習回复：基於距離的線性建模 - 狀態更改為：已確認你好@abmayfield ， 謝謝你的建議！ 我們已收到您的請求並將予以考慮。
回复：基於距離的線性建模你好，
非常感謝您查看我的數據。 作為與您得出的類似結論，我最終不得不丟棄幾個環境參數（礁石區和礁石類型），因為它們要么非常不平衡，要么隨著島嶼而縮放。 我最終只使用了 1) 島嶼、2) 溫度、3) 鹽度、4) ALCC、5) 深度、6)、採樣時間（光的代理）、7) 菌落顏色和 8)宿主物種作為環境因素。 然後，我只使用了兩個大小參數之一（最大菌落長度），因為它們提供了幾乎相同的信息。 我還得出結論，在 JMP 上使用 PCA、逐步回歸和其他一些方法時，“主機”可能是最重要的因素。
我真的很喜歡您對主成分使用逐步回歸的想法，另一位 JMP 技術支持人員推薦了這一點，所以我很快就會檢查一下。 有趣的是，我對Mahalanobis 距離使用了逐步回歸，因為我對那些最不同的樣本（異常值）感興趣，並且包括島嶼、宿主和ALCC（珊瑚覆蓋）在內的最佳擬合模型得出了最小BIC 和調整後的值r2為0.4左右。
我仍然希望 JMP 能夠開發一個多變量、基於距離的平台來揭示未來的環境變化（以與 PRIMER 類似的方式），但我認為 PC 和/或 MDS 坐標的逐步回歸將是一個很好的解決方案與此同時。 再次感謝你的幫助。
回复：基於距離的線性建模安德森，
感謝您提供 JMP 表練習。分析步驟概要如下：
- 在列上運行多維縮放最大長度（厘米）通過sym ubiq-lig指定數據格式為屬性並要求 3 個維度。 我不熟悉這些數據，也沒有上下文，所以我指定了 Transform沒有任何.然後保存尺寸。 這將保存維度 1 - 維度 3 分數。維度 2 與維度 1 的圖表顯示了一些組。 然而，我對 MDS 的經驗很少，而對 Ptincipal Components 的經驗更多......
- 對這些相同的變量進行主成分分析。 下面是標準的屏幕截圖。變量聚類的組成部分和變量的負載矩陣。Prin1 是除 Sym GCP 之外的 Sym 變量的矩陣； Prin2 似乎與大小有關，而 Prin3 則與一些遺傳特徵有關。 保存前 3 個組件。
- 字符變量似乎很難使用，我認為你應該對它們進行評分，例如溫度或鹽度。 我只是添加了一些價值排序，例如顏色，我將它們訂購為正常、蒼白、非常、蒼白、漂白。 在此步驟中，您可以逐步使用 3 個響應 Prin1、Prin2 和 Prin3。然而，當有像國家和島嶼這樣的變量時，我喜歡看特徵。 這看起來像可用數據。 下面是三個例子。由於不了解這些數據，也不知道某些特徵是嵌套（特定於）其他特徵（例如島嶼或主機）的事實，並且所有影響都是名義上的，因此我不會推薦任何特定方法，也不會提供分析。然而，宿主、鹽度和顏色似乎很重要。按 Host 繪製尺寸或主成分以查看結果
reef zonereef zonereef zonereef zone礁石區
reef typereef typereef typereef type礁石類型
salinity vs. hostsalinity vs. hostsalinity vs. hostsalinity vs. host鹽度與宿主
我不是生物學家，我只看了幾個展示 Primer 示例的視頻。這是僅供參考。
回复：基於距離的線性建模JMP+練習+數據.jmp
你好，
感謝您對我的查詢/請求感興趣。 你所說的空間集群是什麼？層次聚類？ 我確實知道如何使用聚類分析在 JMP 中製作距離矩陣：我只是不知道如何揭示在對矩陣內的關係/相似性進行建模時最重要的因素。 這是我一直在使用的一個小數據集。 有 9 個左右的響應各種（連續）和 10-12 個環境參數（作為字符數據）。 我想看看哪些環境參數（或其組合）最能模擬樣本之間的相似性（使用所有 9 個響應變量的多元響應）。 這可以在 JMP 中實現嗎（即多元逐步回歸）？ 之前我被告知“不”，但也許我被錯誤地告知了！
謝謝，
安德森
回复：基於距離的線性建模我剛剛回顧了幾個有關使用 PRIMER、DistLM 的視頻。 它使用的方法似乎是對生物質量指標（特徵，如物種計數或物種質量）進行某種類型的多變量分析，或者對屬性或主成分使用 MDS（多維尺度）。 然後在 PC1 或 PC2 上運行 DistLM，這是對潛在因素的逐步回歸或所有可能的回歸。
這在 JMP 中可能是可行的，但在單個 GUI 界面中則不行。JMP 空間聚類給我留下了深刻的印象。
我並不是貶低您對環境平台的要求。 我的目標是建議 JMP 今天可能為您提供解決方案。
如果您有一個可共享的數據集，例如 Keith Guiness 視頻中分析的數據集，請將其發布，然後 JMP 專家之一可能會嘗試使用它。
感謝您的帖子，它提供了學習新東西的途徑。
