Tôi sẽ giải quyết các vấn đề liên quan đến khả năng rời rạc hoặc liên tục:
Một vấn đề với mô tả về giá trị trung bình
Bạn có một phản ứng ràng buộc. Nhưng mô hình bạn phù hợp không bị ràng buộc, và do đó có thể nổ xuyên qua giới hạn; một số giá trị được trang bị của bạn có thể là không thể và cuối cùng giá trị dự đoán phải là.
Mối quan hệ thực sự cuối cùng phải trở nên phẳng hơn so với ở giữa khi nó tiến đến giới hạn, vì vậy nó sẽ được dự kiến sẽ uốn cong trong một số thời trang.
Một vấn đề với mô tả phương sai
Khi giá trị trung bình tiếp cận giới hạn, phương sai cũng sẽ có xu hướng giảm, những thứ khác cũng bằng nhau. Có ít khoảng trống hơn giữa giá trị trung bình và giới hạn, do đó độ biến thiên tổng thể có xu hướng giảm (nếu không giá trị trung bình sẽ có xu hướng bị kéo ra khỏi giới hạn bởi các điểm nằm ở trung bình xa hơn về phía không gần với giới hạn.
(Thật vậy, nếu tất cả các giá trị dân số trong một số vùng lân cận chính xác ở giới hạn, phương sai sẽ bằng không.)
Một mô hình liên quan đến một ràng buộc như vậy nên xem xét các hiệu ứng như vậy.
Nếu tỷ lệ dành cho biến đếm, mô hình chung cho phân phối tỷ lệ là GLM nhị thức. Có một số tùy chọn cho hình thức mối quan hệ của tỷ lệ trung bình và các yếu tố dự đoán, nhưng lựa chọn phổ biến nhất sẽ là GLM logistic (một số lựa chọn khác được sử dụng phổ biến).
Nếu tỷ lệ là một liên tục (như tỷ lệ kem trong sữa), có một số tùy chọn. Hồi quy Beta dường như là một lựa chọn khá phổ biến. Một lần nữa, nó có thể sử dụng mối quan hệ logistic giữa giá trị trung bình và các yếu tố dự đoán hoặc nó có thể sử dụng một số dạng chức năng khác.
Xem thêm Hồi quy cho một kết quả (tỷ lệ hoặc phân số) trong khoảng từ 0 đến 1 .