모델에 맞춤> 서수 Logistic> Y = 복잡한 비정규 분산 데이터의 데이터 순위나는이 포럼의 두 게시물과 이전 질문에 대한 답변을 기반으로 파생 된 분석 방법에 대한 온 전성 검사가 필요합니다.
즉 정상적으로 분배되지 않고 정상적으로 분포 된 반응 변수로 변형 될 수없는 임상 척도에 대한 치료 및 바이오 마커 수준의 영향을 결정해야합니다. JMP 11.1은 매개 변수가없는 변수가 아닌 모델을 제공하지 않기 때문에 다음과 같은 해결 방법을 사용했습니다. 임상 측정법의 순위를 도출하고 치료 및 바이오 마커를 사용한 서수 통계 모델의 응답 변수로 이러한 순위 (서수 분포)를 사용했습니다. 레벨을 적용합니다.
내 작업 방식을 사용하여 Logistic 모델의 주요 가정을 위반하고 있습니까?
만약 그렇다면 수용 가능한 대안은 무엇입니까? (참고 : 2 ~ 4 개의 빈에서 응답 변수를 묶는 것은 바람직하지 않습니다.)
고맙습니다
Re : 모델에 맞게> 서수 Logistic> Y = 복잡한 비정규 분산 데이터의 데이터 순위몇 가지 더 생각 :
- 배포 플랫폼에 의심의 여지없이 정상적으로 배포되지 않은 응답이 있음을 보여줍니다! 그러나 그것은 회귀의 가정이 아닙니다. 이 가정은 오류 분포에 관한 것입니다. 표준 최소 제곱 회귀는 오류가 정상적으로 분포되어 있다고 가정하고, 이항 논리 회귀는 이진수가 이진 분포로 가정하고, 포와송 로그 선형 회귀는 오류가 포와송 분포라고 가정합니다.
- 오류에 대한 올바른 모델은 대개 반응이 생성되는 물리적 프로세스와 관련이 있습니다.
- 2 차 저널의 예측 잔차에 의한 잔차는 정상 분포가 오류에 좋지 않다는 것을 암시하지만,이 패턴은 귀하의 임상 척도에 이상한 것이 있음을 나에게 시사합니다.
- Biomarker A1의 고차원 변형을 선형 예측 자에 추가하려고 했습니까? 모델에 맞춤 (Fit Model) 대화 상자의 효과 목록에 정사각형 및 3 차항을 추가하고 회귀 분석 결과를 확인하십시오. (나는 이것이 혼자서 비 정상적인 오류를 도울 것이라고 생각하지 않는다).
- 0에서 1로 제한하고 모든 데이터가이 두 경계 중 하나 근처에 쌓이게하는 임상 측정은 무엇입니까?
- 확률과 마찬가지로 [0,1]로 제한되므로 로짓 변환을 계수에 적용 해보십시오. 고르다 임상 측정 ~ 안에 와이 모델에 맞춤 대화 상자에 목록을 입력 한 다음 옆에있는 빨간색 삼각형을 클릭하십시오. 변환 선택하고 Logit .
Re : 모델에 맞게> 서수 Logistic> Y = 복잡한 비정규 분산 데이터의 데이터 순위Hi Mark,
귀중한 의견을 보내 주셔서 감사합니다. 첨부 된 2 개의 JMP 저널 파일 찾기 :
- 앞에서 설명한 임상 반응 변수에 대한 배포 보고서
- 맞춤 모델> 제안 된대로 분석을위한 표준 최소 스퀘어 보고서
친애하는,
티에리
Re : 모델에 맞게> 서수 Logistic> Y = 복잡한 비정규 분산 데이터의 데이터 순위생각할 몇 가지 :
- 연속 측정 데이터를 범주 형 데이터로 변환 할 때 항상 정보 (및 예상 효율성)를 포기합니다. 임상 측정 값을 직접 응답으로 사용하면 회귀 분석은 어떻게됩니까?
- 배포 가정은 응답이 아니라 오류에 대한 것입니다. 정규 분포가 오류에 적합한 모델이 아니라는 것을 어떻게 결정 했습니까?
- 변형이 불가능하다는 것을 어떻게 결정 했습니까?
- 순위를 사용하면 카테고리 수준이 너무 높아질 수 있습니다. 그 결과는 비 파라 메트릭 테스트를 수행 할 때 좋으며 (실제로 바람직 함), 많은 희귀 한 결과 (편향된 추정, 분리 문제)가 있기 때문에 회귀에 부정적인 영향을 미칩니다.
- 다항 로지스틱 회귀 분석에 사용 된 로짓에는 서수 (누적 로지)와 명목 (일반화 로지)의 두 가지 선택 사항이 있습니다. 이러한 로짓 (ordinal 및 nominal)의 연관성은 다소 역사적입니다. 각 로짓에 대한 모델 유연성 (공통 매개 변수 또는 고유 매개 변수)을 고려해야합니다.
나는 다른 것을 생각하면 더 게시 할 것이다.
