Regressione generalizzata vs minimi quadrati standardHo un set di dati di 32 righe di 6 fattori e 1 risposta da un DOE che ho appena eseguito. I dati di risposta non sono distribuiti normalmente e devono contenere solo valori compresi tra 0 e 1. Ho visto che la piattaforma di regressione generalizzata in JMP Pro consente di specificare una varietà di distribuzioni inclusa la distribuzione beta in cui la risposta è compresa tra 0 e 1. Tuttavia, ho anche trovato una funzione che posso usare per trasformare i miei dati di risposta in modo che siano distribuiti normalmente e inoltre consente solo valori compresi tra 0 e 1 per la risposta non trasformata.
La mia domanda è: quale sarebbe la differenza tra l'utilizzo della regressione generalizzata con la distribuzione beta specificata e l'applicazione della trasformazione al mio set di dati e quindi l'utilizzo dei minimi quadrati standard (e graduali) con i dati trasformati?
AnalyticsDOEAltroRi: Regressione generalizzata vs minimi quadrati standardPerché è importante che i tuoi dati di risposta non siano distribuiti normalmente? Sospetto che qualcosa sia andato storto SE i tuoi dati di risposta sono normalmente distribuiti. Ricorda, in generale in DOE stiamo esaminando un ampio spazio di fattori k sperando di suscitare un segnale di risposta al di sopra del rumore. È uno dei grandi malintesi delle statistiche che i dati di risposta dovrebbero essere normalmente distribuiti affinché la magia della modellazione (OLS o altro) funzioni. Per OLS si presume che gli errori rispetto alle y previste siano normalmente distribuiti. È molto diverso dai dati grezzi di risposta stessi. Detto questo, perché non provi TUTTE le tue idee di modellazione e, nel contesto del problema pratico, decidi quale modello è più "utile". È quello che stai cercando, sospetto ...
Ri: Regressione generalizzata vs minimi quadrati standardCiao,
Mi chiedo quali siano i casi in cui i dati non vengono distribuiti normalmente perché c'è un arresto definitivo (a 0 o 100%, per esempio).In quel caso, neanche i residui sarebbero distribuiti normalmente, sarebbero distorti dal confine.La tua risposta è ancora valida in questi casi?
Ri: Regressione generalizzata vs minimi quadrati standard@ HadleyMyers La chiave è non dare per scontato che la modellazione di apriori, semplicemente perché i dati grezzi di risposta non sono normalmente distribuiti, le ipotesi di modellazione OLS non saranno soddisfatte. Per lo meno prova un modello OLS ... poi se i residui NON sono distribuiti normalmente, è tempo di considerare alcuni approcci di modellazione alternativi ... variabili di trasformazione, tecniche di modellazione alternative, ecc.
Le persone, in particolare i nuovi professionisti dei metodi statistici, spesso si bloccano su questo "i dati devono essere normalmente distribuiti (riempire i metodi statistici vuoti)". Non posso dirti quante volte nel corso degli anni le persone mi hanno detto: "Non posso usare le carte di controllo perché i miei dati non sono normalmente distribuiti".
