438519_zh-CN

liliconcom

开发人员教程：为您的响应选择适当的 JMP Pro 广义回归分布

背景：

• 简单线性回归假设错误（和响应）是正常的，但是当不正常时，预测可能会超出有意义的范围（可能不是什么大问题）并且推理不可靠（可能更大）
• 广义线性模型 (GLM) 假设其他分布不是正态分布，例如：

  • 计数数据（例如，产品的缺陷数量）

  • 倾斜的数据（例如，工资）

  • 比例

  • 标签（例如，好/中性/坏或黄色/蓝色/绿色）

• 广义线性模型 (GLM) 具有三个要素
  • 给定预测变量的响应分布（随机部分）
  • 线性预测器（系统部分）
  • 一个链接功能（随机系统出块）

• 使用 R 方比较模型内一个分布。

• 使用 AICc 和 BIC（信息标准）进行比较之间分布

  • AICc 和 BIC 估计 Kullback-Leibler 散度，即拟合模型到真实值的距离

  • 使用它们来比较模型内相同的分布和穿过不同的分布

  • 经验法则：AIC 倾向于过拟合，BIC 倾向于欠拟合

• 选择连续响应分布的一般准则

  • 我们有负值吗？ 正常使用

  • 它是否绑定到（0,1）？使用测试版

  • 方差会随着均值的增加而增加吗？使用 gamma、Weibull、对数正态

  • 是时间到事件/审查吗？ 可能使用 Weibull 或 lognormal

  • 一个很好的包罗万象？ 正常使用

  • 我们怀疑我们有异常值吗？ 使用 Cauchy 或 t(5)

• 当响应不是数字时选择分布
  • 是两级的吗？ 使用二分法； （例如，是/否或 A/B）
  • 它是 3+ 级别和顺序问题吗？ 使用序数逻辑。 （例如，低/中/高或小/中/大
  • 是不是 3+ 级别和顺序无关紧要？使用多项式（例如，Pizza/Hamburger/Burrito 或 Red/Blue/Green/Orange）

了解如何在 JMP Pro 中使用广义回归来选择、指定和构建、比较和评估模型。 问答并包含在整个演示文稿中。

 

 

资源：

• 开发人员教程：使用 JMP Pro 广义回归更好地理解观测数据
• 开发人员教程：使用 JMP Pro 广义回归分析设计的实验
• 广义回归文档

 

 

高级统计建模回复：开发人员教程：为您的响应选择适当的 JMP Pro 广义回归分布

在演示期间，这些问题得到了解决：

 

你可以使用零膨胀来解决反问题，你有很多极高的度量吗？

 

我通常会查看反应时间，它往往遵循前高斯分布。 该分布是指数和正态的混合。 建议使用的模型：Gamma，指数？

 

我们可以在 JMP 中运行 GLMM（模型中具有随机效应）吗？

是的，它在早期采用者当前使用的 JMP Pro 17 中。

 

对于伽玛，JMP 是否显示 lamda 和方差？

 

有没有办法使用 JMP Pro 中的 Simulate 功能对 Ordinal Logistic 模型进行功效分析？

 

模拟列是否有随机分量？