将拟合模型输出（或预测分析器）限制在一个范围内我有三个影响值的变量（从 0 到 1 的比例）。当我采用使用拟合模型平台创建广义线性模型的方法时，如果我输入某些变量值，我会得到一个在很大程度上有效但仍允许预测低于 0 或 1 的预测方程。这是不希望的，因为估计应该是一个比例。
有没有一种方法可以限制这种情况，或者通过进行某种类型的数据格式化或操作（例如日志转换），或者在拟合模型平台中设置一组条件？
谢谢！
分析数据表回复：将拟合模型输出（或预测分析器）限制在一个范围内您可以尝试这两种方法之一。 它们都基于响应 Y 的 logit 变换。 logit 需要一个参数 [0, 1] 作为您想要的约束，但会产生回归所需的响应 [-infinity, infinity]。
我模拟了一些数据来说明这种方法。
将 Logit 变换应用于“拟合模型”对话框中的响应 Y。 选择分析 > 拟合模型并在各自的分析角色中输入数据列。 选择 Y 角色中的列，然后单击 Transform 旁边的红色三角形并选择 Logit。
您的结果会很熟悉，例如您可以使用 Profiler，但应应用约束。
另一种方法是使用广义线性模型。 像以前一样开始，但不应用转换。 相反，单击个性并选择广义线性模型。 单击分布并选择正态。 单击链接并选择 Logit。
回复：将拟合模型输出（或预测分析器）限制在一个范围内谢谢马克！这就是我一直在寻找的。作为后续：
在我的数据集中，我们有 X1 X2 和一部分回答 Y 的受访者，因为多个受访者都看到了不同的 X1 X2 组合（例如，100 个受访者每人查看一组 10 个 X1 X2 组合）并回答 Y 或其他（ X）。
由于我的原始数据对每个 X1 X2 组合都有 Y/X 的响应，因此我还可以使用名义逻辑能力将 Y/X 的概率建模为 X1 和 X2 的函数。这产生了一个预测表达式和一个混淆矩阵。
与使用 Y 的比例相比，使用 Y/X 响应的原始数据是更好或更差的方法，您有任何见解吗？我的目标是在使用 X1 和 X2 的新组合进行预测时尽可能准确和精确。
回复：将拟合模型输出（或预测分析器）限制在一个范围内从某种意义上说，您的 Y/X 比率已经是一个概率。 事件发生概率的最大似然估计量是该事件占总事件和非事件的比例。
许多人出于您的目的使用逻辑回归。 原始数据是像您一样的计数。 响应是事件或非事件，并使用二项分布建模。 Logistic 回归或等效的具有二项分布和 logit 链接函数的 GLM 直接解决了这些问题。 你考虑过这种方法吗？
回复：将拟合模型输出（或预测分析器）约束到一个范围我评估了以下内容：
1. GLM（正常）Logit 预测聚合数据的比率：AICc -57.2
2. GLM（二项式）Logit 预测原始数据的事件/非事件：AICc 1907，给我非事件的概率
3. Nominal Logistic to predict Event/Non-Event on raw data：AICc 1907，给我事件概率和非事件概率，以及基于 p(Event) 还是 p(Non) 的“最可能”评估-事件）更大
我读过较低的 AICc 值是更好模型的指标。我对使用二进制原始数据的一个担忧是错误分类（基于混淆矩阵，我看到训练集上存在大量错误预测）。我们是否认为 AICc 值（~1964）之间的差异基本上支持选项 1 是更好的方法？我对比率作为我的输出非常满意。
回复：将拟合模型输出（或预测分析器）约束到一个范围当响应发生变化时，您无法比较 AICc。 将一般拟合过程视为找到最佳 Y = F(p|X)，其中 F 是一个函数，在给定固定数据 X 的情况下具有参数 p。 您可以更改 F 的任何内容并与 AICc 比较差异，但您无法更改 Y 的任何内容。
