nav[aria-label="Primary Navigation"] { padding: 0; & ul { list-style: none; width: 100%; display: flex; flex-direction: row; justify-content: start; align-items: start; gap: 30px; padding: 0; & li { margin: 0; } & ul li { list-style: none; } } }

438519_zh-CN

liliconcom

回复：开发人员教程：为您的响应选择合适的 JMP Pro 广义回归分布

在演示过程中，解决了以下问题：

当你有很多极高的测量值时，你可以使用零膨胀来解决逆问题吗？

我通常会关注反应时间，它往往遵循前高斯分布。该分布是指数和正态分布的合并。使用模型的建议：伽玛、指数？

我们可以在 JMP 中运行 GLMM（模型中具有随机效应）吗？

是的，它位于早期采用者当前使用的 JMP Pro 17 中。

对于 gamma，JMP 是否显示 lamda 和方差？

有没有办法使用 JMP Pro 中的模拟功能对序数 Logistic 模型进行功效分析？

模拟列是否有随机成分？

开发人员教程：为您的响应选择合适的 JMP Pro 广义回归分布

背景：

简单线性回归假设误差（和响应）是正常的，但当情况不正常时，预测可能会超出有意义的范围（也许没什么大不了的），并且推断不可靠（可能是更重要的）
广义线性模型 (GLM) 假设正态分布之外的其他分布，例如：
- 计数数据（例如产品的缺陷数量）
- 倾斜数据（例如工资）
- 比例
- 标签（例如，好/中/坏或黄/蓝/绿）
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）
- 链接函数（随机棋子和系统棋子的棋子）
使用 R 方比较模型之内一个分布。
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，即拟合模型与真实值的距离
- 用它们来比较模型之内相同的分布和穿过不同的分布
- 经验法则：AIC 倾向于过度拟合，BIC 倾向于欠拟合
选择连续响应分布的一般准则
- 我们有负价值观吗？使用正常
- 它绑定到(0,1)吗？使用测试版
- 方差会随着均值的增加而增加吗？使用伽马、威布尔、对数正态
- 是事件发生时间/审查时间吗？可能使用威布尔或对数正态
- 一个相当好的包罗万象吗？使用正常
- 我们是否怀疑自己有异常值？使用柯西或 t(5)
当响应不是数字时选择分布
- 是两级的吗？使用二项式；（例如，是/否或 A/B）
- 是 3 个以上级别并且顺序很重要吗？使用序数逻辑。（例如，低/中/高或小/中/大
- 是不是有3个以上的关卡并且顺序并不重要？使用多项式（例如披萨/汉堡包/墨西哥卷饼或红/蓝/绿/橙）

了解如何使用 JMP Pro 中的广义回归来选择、指定和构建、比较和评估模型。问答贯穿整个演示文稿。