Generalisierte Regression gegen kleinste StandardquadrateIch habe einen 32-Zeilen-Datensatz mit 6 Faktoren und 1 Antwort von einem DOE, das ich gerade durchgeführt habe. Die Antwortdaten sind nicht normal verteilt und sollten nur Werte zwischen 0 und 1 enthalten. Ich habe gesehen, dass die verallgemeinerte Regressionsplattform in JMP Pro es Ihnen ermöglicht, eine Vielzahl von Verteilungen anzugeben, einschließlich der Beta-Verteilung, bei der die Antwort zwischen 0 und 1 liegt. Ich habe jedoch auch eine Funktion gefunden, mit der ich meine Antwortdaten so transformieren kann, dass sie normal verteilt sind, und die nur Werte zwischen 0 und 1 für die nicht transformierte Antwort zulässt.
Meine Frage ist: Was wäre der Unterschied zwischen der Verwendung einer generalisierten Regression mit der angegebenen Beta-Verteilung und der Anwendung der Transformation auf meinen Datensatz und der Verwendung der kleinsten Standardquadrate (und schrittweise) mit den transformierten Daten?
AnalytikDAMHIRSCHKUHAndereBetreff: Generalisierte Regression gegen kleinste StandardquadrateWarum ist es eine große Sache, dass Ihre Antwortdaten nicht normal verteilt sind? Ich würde vermuten, dass etwas schief gelaufen ist, wenn Ihre Antwortdaten normal verteilt sind. Denken Sie daran, dass wir in DOE im Allgemeinen einen weiten Raum von k Faktoren untersuchen, um ein Antwortsignal über dem Rauschen hervorzurufen. Es ist eines der großen Missverständnisse der Statistik, dass Antwortdaten normalerweise verteilt werden sollten, damit die Magie der Modellierung (OLS oder auf andere Weise) funktioniert. Für OLS wird angenommen, dass die Fehler bezüglich vorhergesagter ys normal verteilt sind. Das ist ganz anders als die rohen Antwortdaten selbst. Nachdem Sie dies alles gesagt haben, warum probieren Sie nicht ALLE Ihre Ideen für die Modellierung aus und entscheiden im Kontext des vorliegenden praktischen Problems, welches Modell am „nützlichsten“ ist. Das ist es, was du bist, nachdem ich vermute ...
Betreff: Generalisierte Regression gegen kleinste StandardquadrateHallo,
Ich wundere mich über die Fälle, in denen Daten nicht normal verteilt sind, weil es einen harten Stopp gibt (zum Beispiel bei 0 oder 100%).In diesem Fall würden die Residuen auch nicht normal verteilt, sondern um die Grenze verzerrt.Gilt Ihre Antwort in diesen Fällen noch?
Betreff: Generalisierte Regression gegen kleinste Standardquadrate@ HadleyMyers Der Schlüssel besteht darin, keine Apriori-Modellierung anzunehmen, dass die OLS-Modellierungsannahmen nicht erfüllt werden, nur weil die rohen Antwortdaten nicht normal verteilt sind. Versuchen Sie zumindest ein OLS-Modell ... Wenn die Residuen NICHT normal verteilt sind, sollten Sie einige alternative Modellierungsansätze in Betracht ziehen ... Variablen transformieren, alternative Modellierungstechniken usw.
Menschen, insbesondere neuere Praktiker statistischer Methoden, hängen oft daran, dass die Daten normal verteilt werden müssen (füllen Sie die leeren statistischen Methoden aus). Ich kann Ihnen nicht sagen, wie oft mir im Laufe der Jahre gesagt wurde: "Ich kann keine Kontrollkarten verwenden, weil meine Daten nicht normal verteilt sind."
Betreff: Generalisierte Regression gegen kleinste StandardquadrateSie können auch einen anderen Ansatz ausprobieren: Verwenden Sie die Logit-Transformation für die Antwort. Füllen Sie den Dialog Modell anpassen wie gewohnt aus. Wählen Sie dann die Spalte Y aus, klicken Sie auf das rote Dreieck neben Transformieren und wählen Sie Anmelden.
HINWEIS: Versuchen Sie dieses Beispiel nicht, da das Antwortgewicht nicht den entsprechenden Bereich von 0-1 hat.
