使用广义线性回归 (GLR) 创建稳健线性模型Scott Wise，SAS JMP 首席系统工程师
Brady Brady，SAS JMP 技术支持工程师
使用广义线性回归 (GLR) 创建稳健线性模型
惩罚回归技术是传统线性建模方法的可行替代方案，特别是在违反正交性、同方差性或响应正态性的典型假设的情况下。它们还可用于自动选择哪些预测因子最有助于预测给定的响应。虽然这些技术并不新鲜，但由于计算成本高，且在学术界之外相对不为人知，它们在应用环境中的使用历来受到限制。如今，价格实惠、功能强大的计算机的普及使得在桌面分析软件中实施这些技术成为可能。本课程将解释惩罚回归技术，并探讨如何使用 JMP 拟合模型平台的广义回归功能。与会者将发现这些模型易于设置、运行和分析，并且在存在异常值、相关输入以及非正态和/或零膨胀响应的情况下仍然稳健。
附件幻灯片：Discovery 2015 Genreg.pptx
