438519_zh-TW

liliconcom

開發人員教程：為您的響應選擇適當的 JMP Pro 廣義回歸分佈

背景：

• 簡單線性回歸假設錯誤（和響應）是正常的，但當不正常時，預測可能會超出有意義的範圍（可能不是什麼大問題）並且推理不可靠（可能更大）
• 廣義線性模型 (GLM) 假設其他分佈不是正態分佈，例如：

  • 計數數據（例如，產品的缺陷數量）

  • 傾斜的數據（例如，工資）

  • 比例

  • 標籤（例如，好/中性/壞或黃色/藍色/綠色）

• 廣義線性模型 (GLM) 具有三個要素
  • 給定預測變量的響應分佈（隨機部分）
  • 線性預測器（系統部分）
  • 一個鏈接功能（隨機系統出塊）

• 使用 R 方比較模型內一個分佈。

• 使用 AICc 和 BIC（信息標準）進行比較之間分佈

  • AICc 和 BIC 估計 Kullback-Leibler 散度，即擬合模型到真實值的距離

  • 使用它們來比較模型內相同的分佈和穿過不同的分佈

  • 經驗法則：AIC 傾向於過擬合，BIC 傾向於欠擬合

• 選擇連續響應分佈的一般準則

  • 我們有負值嗎？ 正常使用

  • 它是否綁定到（0,1）？使用測試版

  • 方差會隨著均值的增加而增加嗎？使用 gamma、Weibull、對數正態

  • 是時間到事件/審查嗎？ 可能使用 Weibull 或 lognormal

  • 一個很好的包羅萬象？ 正常使用

  • 我們懷疑我們有異常值嗎？ 使用 Cauchy 或 t(5)

• 當響應不是數字時選擇分佈
  • 是兩級的嗎？ 使用二分法； （例如，是/否或 A/B）
  • 它是 3+ 級別和順序問題嗎？ 使用序數邏輯。 （例如，低/中/高或小/中/大
  • 是不是 3+ 級別和順序無關緊要？使用多項式（例如，Pizza/Hamburger/Burrito 或 Red/Blue/Green/Orange）

了解如何在 JMP Pro 中使用廣義回歸來選擇、指定和構建、比較和評估模型。 問答並包含在整個演示文稿中。

 

 

資源：

• 開發人員教程：使用 JMP Pro 廣義回歸更好地理解觀測數據
• 開發人員教程：使用 JMP Pro 廣義回歸分析設計的實驗
• 廣義回歸文檔

 

 

高級統計建模回复：開發人員教程：為您的響應選擇適當的 JMP Pro 廣義回歸分佈

在演示期間，這些問題得到了解決：

 

您可以將零膨脹用於反問題，其中您有很多極高的度量嗎？

 

我通常會查看反應時間，它往往遵循前高斯分佈。 該分佈是指數和正態的混合。 建議使用的模型：Gamma，指數？

 

我們可以在 JMP 中運行 GLMM（模型中具有隨機效應）嗎？

是的，它在早期採用者當前使用的 JMP Pro 17 中。

 

對於伽瑪，JMP 是否顯示 lamda 和方差？

 

有沒有辦法使用 JMP Pro 中的 Simulate 功能對 Ordinal Logistic 模型進行功效分析？

 

模擬列是否有隨機分量？