Windows 11 > JMP 19 > 擬合模型 > 標準最小平方法 > 如何處理異常資料分佈？JMP社群的各位朋友，大家好！
我正在處理從組織活檢中獲得的細胞計數數據，這些數據呈現出異常的分佈：一些活檢樣本中沒有細胞（計數為零），而另一些樣本的細胞百分比很低（見下例）。簡單的立方根轉換可以得到一個較為合理的非零計數分佈，但變換後資料的整體分佈仍然存在零偏。
正如預期的那樣，如果我使用這些數據進行標準最小二乘擬合模型分析，殘差將不服從常態分佈（見下文）。
您建議如何檢驗這些細胞計數是否與多個協變量（包括交互作用）相關？
筆記：
- 細胞缺失（計數為零）在科學上具有重要意義。
- 由於涉及敏感訊息，我無法輕易分享實際數據。
謝謝。
此致，
TS
進階統計建模基礎資料分析與建模資料融合與清理回覆：Windows 11 > JMP 19 > 擬合模型 > 標準最小平方法 > 如何處理異常資料分佈？嗨@Thierry_S ，
您有 JMP Pro 嗎？使用廣義迴歸模型，您可以指定零膨脹分佈之一。
我認為零膨脹泊松分佈可能適用於您的計數原始數據。如果你使用的是 JMP，或許可以將建模流程分成兩部分：
- 判斷結果何時為0或不為0（二項分佈）
- 當結果不為 0 時，可擬合標準最小平方法模型。您仍然可以對原始資料進行轉換（如果需要！），例如 Box-Cox 轉換。
希望這個建議對您有幫助。
回覆：Windows 11 > JMP 19 > 擬合模型 > 標準最小平方法 > 如何處理異常資料分佈？親愛的維克多：
感謝您幫我解決這個問題。很遺憾，我目前無法使用 JMP Pro。不過，我可以使用 JMP 19 「基礎版」中的廣義線性模型，但泊松分佈似乎無法擬合所有資料。實際上，當細胞類型數量較多時，非零亞群分佈趨於近似常態分佈。
我想知道將資料按有序變數進行分箱處理是否會有幫助？
最好的，
TS
回覆：Windows 11 > JMP 19 > 擬合模型 > 標準最小平方法 > 如何處理異常資料分佈？是的，我會把這項任務分成兩個部分：
1. 判斷結果何時為 0 或不為 0（二項分佈）
2. 對於結果不為 0 的情況，擬合標準最小平方法模型。您仍然可以對原始資料進行轉換（如果需要！），例如 Box-Cox 轉換。
最好的，回覆：Windows 11 > JMP 19 > 擬合模型 > 標準最小平方法 > 如何處理異常資料分佈？如果沒有中小企業專家的指導，很難回答這個問題。首先，你想回答什麼問題？其次，資料來源是什麼？第三，你對測量系統的可靠性有多大信心？是否有其他測量方法？你對活檢流程的一致性有多大信心？你想擬合的模型是什麼？假設你像 Victor 建議的那樣將資料拆分，那麼你必須問的問題是：影響細胞計數的因素和不影響細胞計數的因素是否有差異？如果存在差異，那麼將數據分為兩個 Y 類（兩類，二項分佈）和連續的細胞計數數據就比較合理了。
