如何分析具有两种方差的结果的因子设计？你好
我有一个来自 2 个因子的 2 水平因子设计的数据集。
该数据集包含每个用户的购买金额。
每一行都是一个唯一的用户。 购买价值为 0 意味着用户没有购买。 A和B是治疗。
我想计算处理 A 和 B 对每个用户的平均购买量的影响（以美元计算的购买总和除以用户数量）。
然而，我认为我们需要考虑两种类型的方差。
首先——购买率的方差，即用户是否订购。 第二——平均购买价值的差异。
您能否建议在 JMP 中进行此类分析的适当方法？
我已附上数据集。
实验设计质量和工艺工程回复：如何分析具有两种方差的结果的因子设计？非常感谢！
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 A 或 B 对购买产生积极影响（是、否），并且感兴趣的结果是每个用户的平均购买金额，该怎么办？ 这个结果是不同的，因为这是二进制指标（是、否）和订单平均购买量（购买 = 是）的乘积。 我们可以有更多的成功购买，但平均购买订单量较低，因此我们将获得较低的每个用户平均购买量。 在此结果的 OFAT 测试中，我们可以使用非参数曼-惠特尼 U 测试。 但是如果我们想要进行回归分析呢？
回复：如何分析具有两种方差的结果的因子设计？在 15,771 个观察中，您仅购买了 265 个。 OLS 回归在这种情况下是不合适的。 它惨遭失败，并且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。 该模型从未预测过已购买 = 是。 我尝试了泊松对数线性模型，它有效，但几乎没有证据表明 A 或 B 的影响。
我附上了您的数据表和我的补充内容。
