Windows 11 > JMP 19 > モデルの適合 > 標準最小二乗法 > 異常なデータ分布の処理方法JMPコミュニティの皆様、こんにちは。
私は組織生検から得られた細胞数を扱っていますが、その分布は異常です。一部の生検では細胞が全く検出されない（カウントがゼロ）一方、他の生検では細胞の割合が低い（以下の例を参照）のです。単純なルートキューブ変換を行うと、ゼロ以外のカウントの分布は良好になりますが、変換後のデータの全体的な分布は依然としてゼロに偏っています。
予想通り、このデータを標準最小二乗法モデルで使用すると、残差は正規分布に従いません（下記参照）。
これらの細胞数が、相互作用を含む複数の共変量と関連しているかどうかを検証するには、どのような方法をお勧めしますか？
注：
- 細胞が存在しない（ゼロカウント）ことは、科学的に意味のあることである。
- 機密性が高いため、実際のデータを簡単に共有することはできません。
ありがとう。
よろしくお願いします、
TS
高度な統計モデリング基本的なデータ分析とモデリングデータ統合とデータクリーンアップRe: Windows 11 > JMP 19 > モデルの適合 > 標準最小二乗法 > 異常なデータ分布の処理方法こんにちは、 @Thierry_S さん。
JMP Proをお持ちですか？一般化回帰モデルを使用すると、 ゼロ過剰分布のいずれかを指定できます。
カウントの生データには、ゼロ過剰ポアソン分布が使えると思います。JMPを使っているなら、モデリングを2つの部分に分けられるかもしれません。
- 結果が0になるか、0と異なるかを判断する（二項分布）
- 結果が0と異なる場合は、標準的な最小二乗モデルを適用します。必要に応じて、Box-Cox変換などの変換を元のデータに適用することもできます。
この提案がお役に立てば幸いです。
Re: Windows 11 > JMP 19 > モデルの適合 > 標準最小二乗法 > 異常なデータ分布の処理方法親愛なるビクター、
この問題についてご協力いただきありがとうございます。残念ながら、現時点ではJMP Proにアクセスできません。しかし、JMP 19「Basic」の一般化線形モデルは利用できますが、ポアソン分布ではすべてのデータに適合しないようです。実際、細胞の種類が多い場合、非ゼロのサブポピュレーション分布は正規分布に近似する傾向があります。
データを順序変数として分類することで、この問題が解決するのではないかと考えています。
最高、
TS
Re: Windows 11 > JMP 19 > モデルの適合 > 標準最小二乗法 > 異常なデータ分布の処理方法はい、私はその作業を2つの部分に分けます。
1. 結果が0であるか、0と異なるかを判定する（二項分布）
2. 結果が0と異なる場合は、標準的な最小二乗モデルを適用します。必要に応じて、Box-Cox変換などの変換を生データに適用することもできます。
最高、Re: Windows 11 > JMP 19 > モデルの適合 > 標準最小二乗法 > 異常なデータ分布の処理方法SME（専門家）の意見がないと、回答は困難です。まず、どのような質問に答えようとしているのですか？次に、データソースは何ですか？最後に、測定システムにどの程度自信がありますか？他に測定できる方法はありますか？生検の手順が一貫しているとどの程度確信できますか？どのようなモデルを当てはめようとしているのですか？（ビクターが提案したように）データを分割する場合、細胞数に影響を与える要因と細胞数に影響を与えない要因は異なるのか、という質問をする必要があります。もしそうであれば、2つのY（2つのカテゴリ、二項分布）と連続的な細胞数を持つデータを用意するのが理にかなっています。
