将拟合模型输出（或预测刻画器）限制在某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，我得到了一个预测方程，该方程在很大程度上有效，但如果我输入某些变量值，仍然允许预测低于 0 或 1。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，或者通过执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？
谢谢你！
质量和工艺工程回复：将拟合模型输出（或预测刻画器）约束到某个范围是的，您是正确的，这些变换期望域 (0,1) 中的数字，而不是 [0,1] 或之外的数字。 我按照你的建议去做——我用一个非常小的正数替换 0，比如 0.001，用一个稍微小的正数替换 1，比如 0.999。 此更改应该适合您。
回复：将拟合模型输出（或预测刻画器）约束到某个范围嗨马克，
我想我在这里有一个相关的问题 - 我一直在尝试对 DoE 实验的数据执行 LogitPct 转换。 我们有兴趣找到那些能够最大限度地提高产品测量水平并最大限度地减少杂质测量水平的因素。 LogitPct 有助于确保预测刻画器不会给出超过 100% 的产品收率或低于 0% 的杂质收率。
问题是我的一些 DoE 实验数据点包括零（例如，水平低于仪器的检测限）。 运行模型时，Logit 和 LogitPct 都会返回错误，因为 Log 为 0 是未定义的 - 我认为 JMP 中 Logit 和 LogitPct 的界限是 (0,1) 而不是 [0,1]。 我不想在分析中忽略这些行，因为这会使 DoE“去对称”并减少实验数量。 除了将零重新编码为功能上接近于零的“虚拟”值（例如 0.0001）之外，还有什么可做的吗？
回复：将拟合模型输出（或预测刻画器）约束到某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寻找最佳 Y = F(p|X)，其中 F 是给定固定数据 X 的参数为 p 的函数。 您可以更改 F 的任何内容并与 AICc 进行比较，但无法更改 Y 的任何内容。
回复：将拟合模型输出（或预测刻画器）约束到某个范围我进行了以下评估：
1. GLM（正态）Logit 预测聚合数据的比率：AICc -57.2
2. GLM（二项式）Logit 用于根据原始数据预测事件/非事件：AICc 1907，给出非事件的概率
3. 根据原始数据预测事件/非事件的名义 Logistic：AICc 1907，给出事件概率和非事件概率，以及基于 p(Event) 或 p(Non) 的“最有可能”评估-事件）更大
我读到过，较低的 AICc 值表明模型较好。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，我发现训练集上存在大量错误预测）。我们是否会认为 AICc 值（~1964）之间的差异在很大程度上有利于选项 1 成为更好的方法？我对作为我的输出的比率非常满意。
回复：将拟合模型输出（或预测刻画器）约束到某个范围从某种意义上说，你的比率 Y/X 已经是一个概率。 事件概率的最大似然估计量是该事件在总事件和非事件中所占的比例。
许多人使用逻辑回归来达到您的目的。 原始数据是像你一样的计数。 响应是事件或非事件，并且使用二项式分布进行建模。 逻辑回归或等效的 GLM 具有二项式分布和 logit 链接函数直接解决这些问题。 您考虑过这种方法吗？
回复：将拟合模型输出（或预测刻画器）约束到某个范围谢谢马克！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 和回答 Y 的受访者比例，因为多个受访者都看到了不同的 X1 X2 组合（例如，100 名受访者各自查看一组 10 个 X1 X2 组合）并回答 Y 或其他内容（ X）。
由于我的原始数据对于每个 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。这会产生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还是更差的方法，您有什么见解吗？我的目标是在使用 X1 和 X2 的新颖组合进行预测时尽可能准确和精确。
回复：将拟合模型输出（或预测刻画器）约束到某个范围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 [-无穷大, 无穷大]。
我模拟了一些数据来说明这种方法。
在“拟合模型”对话框中将 Logit 变换应用于响应 Y。 选择“分析”>“拟合模型”，然后在相应的分析角色中输入数据列。 选择 Y 角色中的列，然后单击变换旁边的红色三角形并选择 Logit。
您的结果将会很熟悉，例如您可以使用探查器，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”。
