一般化回帰（左側打ち切りデータ）
一般化回帰プラットフォームを使用して左側打ち切りデータを分析する場合、検出限界が低いために検出が不可能な場合、JMP は打ち切りデータをどのように処理しますか?
私が正しく理解しているか確認してください。データセット全体が非正規分布（対数正規分布など）であると仮定して、左側打ち切りデータは欠損補完（シミュレーション）を通じてゼロと検出限界の間にあるかのように扱われますか？
あるいは、代入にシミュレーションを使用する代わりに、左側打ち切りデータの値を代入するために特定の統計ルールまたは方法が適用されますか?
私がこの質問をする理由は、昨日、JMP Pro の一般化回帰を紹介するセッション中に、ゼロから検出限界までの欠損値をシミュレートして JMP Basic で打ち切りデータを現在分析しているという顧客からの発言があったからです。彼らは、genreg プラットフォームの方がより良いアプローチではないかと尋ねました。
GENREG は、シミュレーションに特定の分布を想定することが、私たちのケースではより適切である可能性があることを示唆するのに適切であると言えます。そうですか?
一般化回帰分析（左側打ち切りデータ）検閲されたデータの取り扱い方法については、Meeker らによる「信頼性データの統計的手法」が参考になります。https 
/www.amazon.com/Statistical-Reliability-Analysis-Probability-Statistics/dp/1118115457
ご質問については、セクション 2.4 可能性を参照してください。
つまり、左側打ち切り観測値は、全体の尤度に寄与します。そして、その寄与値は、左側打ち切り観測値がゼロ（分布が対数正規分布、ワイブル分布などの場合）と検出限界の間にある確率です。
代入が何をするかと比較すると理解できるでしょう。代入後、観測値の寄与は代入された値の「密度」になります。問題は値がどのように代入されるかです。これはシミュレーションアプローチと密接に関係しています。
シミュレーションは合理的な考えですが、観測値を引き出す分布をどのように決定するのでしょうか? これは鶏が先か卵が先かという問題です。
適切なアプローチにはそのようなジレンマはありません。
一般化回帰分析（左側打ち切りデータ）ありがとうございます。解決しました
