廣義迴歸（左刪失資料）
當使用廣義迴歸平台分析左刪失資料時，由於檢測極限較低而無法進行偵測，JMP 如何處理刪失資料？
請確認我的理解正確。假設整個資料集是非常態分佈（例如對數常態），左刪失資料是否被視為透過缺失插補（模擬）位於零和檢測極限之間？
或者，不是使用模擬進行插補，而是應用特定的統計規則或方法來插補左刪失資料的值？
我之所以問這個問題，是因為昨天在介紹 JMP Pro 廣義迴歸的會議上，一位客戶提到他們目前正在透過模擬零和檢測極限之間的缺失值來分析 JMP Basic 中的刪失資料。他們詢問流派平台是否是更好的方法。
我可以說，GENREG 可能適合建議假設模擬的特定分佈可能更適合我們的情況。正確的？
回覆：廣義迴歸（左刪失資料）關於如何處理審查數據，這裡有一個很好的參考：Meeker 等人的「可靠性數據統計方法」。 https://www.amazon.com/Statistical-Reliability-Analysis-Probability-Statistics/dp/1118115457
對於您的問題，請參閱第 2.4 節可能性。
簡而言之，左刪失觀察對總似然有貢獻。此貢獻是左刪失觀測值介於零（如果分佈為對數常態分佈、威布爾分佈等）和檢測極限之間的機率。
你可以透過與插補的作用進行比較來理解它。插補後，觀測的貢獻就是插補值的「密度」。問題是如何估算該值。它與模擬方法密切相關。
模擬是合理的想法，但如何確定應該從中得出觀察結果的分佈呢？這是先有雞還是先有蛋的問題。
正確的做法不會出現這樣的困境。
回覆：廣義迴歸（左刪失資料）謝謝。解決
