我应该使用逻辑回归还是分类响应模块？我在 JMP Pro 15.2.1 中。
我有 60,000 个观察值，其中响应是真/假和两个分类预测变量：工作和组（假设它们不相关）。 成千上万的观察。 我正要在每个观察都是独立的假设下进行逻辑回归。 但后来我意识到，每个人都有三个连续的反应机会（每季度一个），而且他们的连续反应并不完全独立于之前的反应。我为每个回复都有一个人 ID，所以我知道哪些回复属于每个人 ID。
我的第一次尝试只是简单地使用具有名义逻辑个性的“拟合模型”平台。 但我不确定如何处理“case”变量产生的重复测量。 我可以忽略大小写，并将每个观察结果视为独立的，但这可能会使我的测试统计数据无效。
对于重复测量，我尝试了分析 -> 消费者研究 -> 分类 -> 相关 -> 重复测量中的多重响应模块。 'response' 是我的重复测量，'person' 是我的 ID，'job' 和 'group' 是我的 X 值。 但是当我运行模型时，我没有看到任何我希望通过逻辑回归看到的测试。 毕竟我在错误的模块中吗？
| 人 | 案子 | 回复 | 工作 | 团体 |
| 一个 | 1 | 吨 | 执行 | 蓝色的 |
| 一个 | 2 | F | 执行 | 蓝色的 |
| 一个 | 3 | 吨 | 执行 | 蓝色的 |
| b | 1 | F | 职员 | 蓝色的 |
| b | 2 | F | 职员 | 蓝色的 |
| b | 3 | 吨 | 职员 | 蓝色的 |
| C | 1 | F | 支持 | 橙 |
| C | 2 | 吨 | 支持 | 橙 |
| C | 3 | 吨 | 支持 | 橙 |
分析回复：我应该使用逻辑回归还是分类响应模块？这是一个想法。 但我假设感兴趣的是（A）不同工作和/或组的反应如何不同，以及（B）反应如何从前一个案例到下一个案例变化。 如果您的兴趣不是那样，我将要描述的内容可能不合适。
第一步，取 case = 1 的所有观测值的子集。 使用逻辑回归分析子集并尝试回答 (A) 给定 case = 1。
第二步，取 case = 2 的所有观测值的子集。 使用逻辑回归分析子集并尝试回答 (A) 给定 case = 2。 然后将 case = 1 的响应添加为新的解释变量。 使用逻辑回归分析新子集并尝试回答 (B) 给定案例 = 2，以案例 = 1 的响应为条件。 如果先前的反应结果很重要，那么它就说明了先前的反应如何影响后面的反应。
以此类推。 随着步骤的进行，您可能需要尝试仅将前一个响应添加为解释变量，或者将所有之前的响应添加为解释变量，并查看哪些重要。
