开发者教程：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）服从正态分布，但当正态性不成立时，预测结果可能超出有意义的范围（也许问题不大），推断结果也不可靠（这可能是个大问题）。
- 广义线性模型 (GLM) 假设数据服从正态分布以外的其他分布，例如：
计数数据（例如，产品缺陷数量）
数据偏差（例如，薪资）
比例
标签（例如，好/中性/坏或黄色/蓝色/绿色）
- 广义线性模型（GLM）包含三个要素
- 给定预测变量（随机部分）的响应分布
- 线性预测器（系统部分）
- 链接函数（随机和系统片段的组成部分）
-
使用 R 平方来比较同一分布内的模型。
-
使用AICc和BIC（信息准则）来比较不同分布。
-
AICc 和 BIC 用于估计 Kullback-Leibler 散度，即拟合模型与真实值之间的距离。
-
使用它们可以比较相同分布内的模型以及不同分布下的模型。
-
经验法则：AIC 容易过拟合，而 BIC 容易欠拟合。
- 选择连续响应分布的一般准则
是否存在负值？请使用正态分布。
它是否被限制在 (0,1) 范围内？使用 beta 值
方差是否随均值增大而增大？请使用伽马分布、威布尔分布和对数正态分布。
这是事件发生时间/删失数据吗？可能需要使用 Weibull 分布或对数正态分布。
一个相当不错的万能方案？使用常规
我们怀疑数据中存在异常值吗？使用柯西分布或t(5)分布。
- 当响应变量不是数值时，选择分布类型
- 这是两级问题吗？请使用二项式结构；（例如，是/否或A/B）
- 如果是三级或以上且顺序重要，请使用序数逻辑回归。（例如，低/中/高或小/中/大）
- 如果是三层以上，顺序无关紧要，请使用多项式表示法（例如，披萨/汉堡/墨西哥卷饼或红/蓝/绿/橙）。
了解如何在 JMP Pro 中使用广义回归选择、指定、构建、比较和评估模型。演示过程中穿插了问答环节。
资源：
高级统计建模
