51544_zh-TW

liliconcom

擬合模型>序數邏輯> Y =複雜非正態分佈數據的數據等級

我需要對我在此論壇上的幾個帖子以及前一個問題的答案中得出的分析方法進行健全性檢查。

 

也就是說，我需要確定治療和生物標誌物水平對臨床測量的影響，該測量不是正態分佈的，不能轉化為正態分佈的響應變量。由於JMP 11.1不提供非參數多變量模型，我使用了一種解決方法：我得出臨床測量的等級並使用這些等級（序數分佈）作為具有治療和生物標記的序數邏輯模型中的響應變量水平作為效果變量。

 

我是否通過使用我的解決方法違反了Logistic模型的關鍵假設？

 

如果我這樣做，那麼什麼是可接受的替代方案（注意：將響應變量合併到2-4個箱中是不可取的）？

 

謝謝

Re：擬合模型>序數邏輯> Y =複雜非正態分佈數據的數據等級

還有一些想法：

• 分發平台顯示您的響應通常不是正常分佈的，毫無疑問！但這不是回歸的假設。假設是關於錯誤的分佈。標準最小二乘回歸假設誤差是正態分佈的，二元邏輯回歸假設誤差是二元分佈的，泊鬆對數線性回歸假設誤差是泊松分佈的，等等。
  • 錯誤的正確模型通常與生成響應的物理過程相關。
  • 你在第二期雜誌中的預測情節殘留表明正態分佈不利於錯誤，但這種模式告訴我，你的臨床測量有一些不尋常之處。
• 您是否嘗試將Biomarker A1的高階變換添加到線性預測變量中？嘗試將“正方形”和“立方”項添加到“擬合模型”對話框中的“效果”列表，並查看回歸會發生什麼。（我不認為僅此一項將有助於解決非正常錯誤）。
• 什麼是臨床措施，它限制在0和1，所有數據堆積在這兩個邊界之一附近？
  • 由於它與概率一樣被限制為[0,1]，因此您可以嘗試將logit變換應用於度量。選擇臨床措施在裡面 ÿ 在“適合模型”對話框中列出，然後單擊旁邊的紅色三角形轉變並選擇 Logit模型 。

Re：擬合模型>序數邏輯> Y =複雜非正態分佈數據的數據等級

嗨馬克，

 

感謝您的寶貴意見。查找附加的2個JMP日誌文件：

1. 我之前描述的臨床反應變量的分佈報告
2. 擬合模型>標準最小二乘法報告，用於您建議的分析

最好的祝福，

 

蒂埃里

Re：擬合模型>序數邏輯> Y =複雜非正態分佈數據的數據等級

需要考慮的幾件事情：

 

• 將連續測量數據轉換為分類數據時，始終會放棄信息（和估算效率）。當您直接使用臨床測量作為響應時，回歸是什麼樣的？
• 分佈假設是關於錯誤，而不是響應。您是如何確定正態分佈不適合錯誤的模型的？
• 你是如何確定轉型不可能/有幫助的？
• 使用排名可能會導致太多的分類級別。當您執行非參數測試時，結果是可行的（實際上是可取的），但它會對您的回歸產生不利影響，因為您會得到許多罕見的結果（偏差估計，分離問題）。
• 對於多項邏輯回歸中使用的logits，您有兩種選擇：序數（累積logits）和名義（generalized logits）。這些logits（序數和名義）的關聯在某種程度上是歷史性的。您應該考慮每個logit的模型靈活性（通用參數或唯一參數）。

如果我想到別的東西，我會發布更多。