如何分析具有两种类型方差的结果的析因设计？你好
我有2个因子的2级因子设计的数据集。
数据集包含每个用户的购买金额。
每行都是唯一的用户。 零值购买表示用户未购买。 A和B是治疗。
我想计算处理方法A和B对每位用户的平均购买量的影响（购买总金额（美元）除以用户数量）。
但是，我认为我们需要考虑两种类型的方差。
首先-购买率的差异，即用户是否订购。 第二–平均购买价值的差异。
您可以建议在JMP中进行这种分析的适当方法吗？
我已经附上了数据集。
美国能源部回复：如何分析具有两种类型方差的结果的析因设计？在15,771个观测中，您只有265笔购买。 在这种情况下，OLS回归是不合适的。 它惨遭失败，并严重违反了模型假设。 我将购买金额转换为二进制响应Purchased = {no，yes}，然后使用逻辑回归对其进行建模。 诊断看起来很糟糕。 该模型从未预测已购买=是。 我尝试了泊松对数线性模型，但该模型有效，但几乎没有证据表明A或B的影响。
我在数据表中附加了我的附件。
回复：如何分析具有两种类型方差的结果的析因设计？非常感谢你！
我确实知道我们可以对二项式数据使用逻辑回归。 但是，如果我们对购买的商品产生A或B的积极影响（是，否），并且感兴趣的结果是每位用户的平均购买金额。 结果是不同的，因为这是二进制度量标准（是，否）与平均购买订单量（购买=是）的乘积。 我们可以进行更多的成功购买，但是平均购买订单量较低，因此，每位用户的平均购买量将会降低。 在OFAT测试中，针对此结果，我们可以使用非参数曼恩--惠特尼U检验。 但是我们想进行回归分析的案例又如何呢？
