分析的时候发现Response A和Response B两个响应的数据不是正态分布,因此做了BOX-COX变换,数据见后面两列的Response A X和Response B X,变换以后正态分布检验通过了。
鉴于研究的目的是要找出两种响应的最佳合意性,因此应用JMP的fit model,然后选择standard least squares和effect screening以box-cox变换后的响应值作为响应,进行了分析,分析结果截屏如下:
先谢谢杨老师了,另外我还有几个问题:
1. 如果我的响应值用正态分布检验是非正态的,那么应用generalized linear model对数据进行拟合,是否可以在分布选项选择正态?下面的link function在选择上要遵循哪些原则呢?
2. 在应用generalized linear model拟合时,发现有时候总是很难在goodness of fit statistics选项中让p大于0.05;比对了jmp10中的自带的爆米花实验结果,发现该案例也是出现了goodness of fit statistics中的pearson和deviance检验的p值都<0.001,是否在应用generalized linear model拟合时,可以不去注意这个goodness of fit statistics检验呢?
谢谢您,祝杨老师新年快乐!
昨晚我拉肚子,睡得早些,没能及时回复。抱歉。
首先,Standard least sqaure 对响应数据正态分布的要求是指同一实验条件下重复实验的数据分布,而不是指所有不同实验条件下的实验数据服从正态分布。在响应变量取值不重复时正态性无法验证,但可以通过一些合适的残差图来评价。标准最小二乘法有一个特点,即在偏离正态性要求不很远时不会严重影响分析、推断的合理性。你的数据我看了一下,用原始的Response A and Response B 建模后的残差符合正态分布,不需要做transformation, 也不需要用Generalized lienar models 进行分析。
关于用Generalized lienar models 进行分析的问题,等你有适合的数据再讨论会更清楚。
希望以上回答能解决你的问题。