ロジスティック回帰ロジスティック回帰をしなければなりませんが、説明変数に問題があります。これは、1つのグループが連続体の外側にある連続変数のようなものです。
そう：
被爆時年齢
1
2
3
4
露出していない
被ばくの年齢と病状の間に関連性があるかどうかを見たいのですが、「被ばくしていない」という理由で私はカテゴリカル変数を持っています。これを回避する唯一の方法は、未露光のグループを削除することですが、それは正しくありません。私は「公開されていない」番号を割り当てることを検討しましたが、それらは公開されたことがないため、どちらも正しくないようです。
続行するための最良の方法は何ですか？
再：ロジスティック回帰そこには詳細とオプションがたくさんありますが、いくつか考えがあります。 動物が病気にかかるまでの時間をモデル化しようとしているのであれば（最初のデータセットからすべての動物が病気に罹っている）、それはあなたが利用できる説明的な要素を含む回帰モデルだと思います。 コントロールグループを紹介したら、それは生存モデルだと思います。 あなたのコントロールグループはまだこの疾患と診断されていませんが、まだそれを得ることができます。 だから、それは打ち切り変数です。 2つのデータセットを組み合わせると、病気を示す変数または病気がないことを示す変数が検閲変数となり、病気ではない値を検閲することになります。 あなたはそれからあなたが探検したいどんな説明変数でも含むことができます。 従属変数は時間になるでしょう - 対照群にとってはあなたが観察したのはいつでも構いませんが、検閲はあなたが研究を行った時点でそれらが疾患と一致していないという事実に注意を払います。彼らは8ヶ月間観察されてきました、あなたは彼らが病気になるのに8ヶ月かかったと言っているのではなく、むしろ彼らはまだ病気になっていない8ヶ月の時点で病気になりました）。
再：ロジスティック回帰私はこの時点で正式にはリーグから外れていますが、説明しようと思います。
私のコアデータは：
生年月日、暴露日、性別、および診断日。すべての動物がこの病気にかかっていました。
これから、私たちは計算することができます：暴露時の年齢、病気の時の年齢そして暴露と病気の間の時間（
これから、我々は性別と被ばく日との関係で平均診断年齢を調べたt検定を試みました。しかしながら、これは私達が特定のグループの動物が他の動物よりも早く病気にかかるかどうかを見ることを可能にするだけでした。
それから私達はコントロールグループを集めました（もともとプロジェクトの一部ではありませんでした）。それらのために私達は生年月日、被爆日および性別を持っています。
グループによって病気のリスクが異なるかどうかを知りたい
グループ間に有意なORはありますか。
私はこれを2x2とlog regの両方で行いました。2x2までに、私は未露光のグループに対するすべてのグループのORを持っています、これは早い露光/遅い露光と1、2 3年目などの露光の両方のためにされました、
log regも同じ方法で行われていますが、私にとっては早い/遅いグループ化だけが理解できます（他のものはあまりにも多くの異なるORを持っています）。
私はまだlog regの解釈方法を見つけようとしています。両方の説明変数を考慮に入れると、どうやってORが得られますか。だから今私は2に対する露光グループ1のORを知っていますが、私は露光グループ1の女性と露光グループ2の女性、つまりそのようなことを知りたいのです。それが私たちのアドバイザーと合意したことです。
私たちは生存問題全体について多くのことを話しましたが、実際には何も解決していません。説明変数として診断時の年齢、曝露時の年齢および性別によるフィット比例ハザードを計算しようとしましたが、モデルが健康な対照群に対して何をするのかよくわかりません（診断時の年齢は空欄です）今）。censor変数の入力方法についてもよくわかりません。現時点では、露光時の年齢の一部であり、検閲とモデルの両方の効果として使用することになっているかどうかは、私には明らかではありません。
申し訳ありませんが、私は統計学者でもそれに近いものでもありません。私がやろうとしていることは、おそらく私の理解レベルを超えています。
再：ロジスティック回帰これは素晴らしい議論です。方法の組み合わせと答えられる質問。離散y / n対重大度、および重大度を持たないnカテゴリの扱い方。良い答えはありません、他の考えを聞きたいです。しかし、私は答えられる質問の文脈に注意しなければならないと思います。 例えば、あなたは診断しようとしていますか？それはyからnを分離しています。それとも管理しようとしていますか？それはyグループに含まれるでしょうあなたは重大度を分けてもいいですか？もしそうなら、nが含まれるべきですか？彼らはまだyグループに入っていないのか、それとも彼らは本当にコントロールグループなのか、yグループに入ることは決してないのか？それでは、あなたは発見モード（すなわち研究開発）にいるのか、それとも他のモードにいるのでしょうか。分析に対して行われた決定のリスク/コスト。
私はこの種の問題を検閲することを考えていなかったので、もう少し考えさせる必要があるでしょう。 しかし、Dale氏が述べたように、生存期間モデルは発生までの時間に使用されるので、重大度を発生までの時間としてどのように扱うかを考える必要がありますか。
再：ロジスティック回帰検閲されたアプローチのデールリーマンの考えは私が同様に考えていたものでした。これこそまさに私がキッチンシンクの序数のみのアプローチを提案していて多少不快だった理由です。未公開グループは、この検閲の観点から他の公開グループとは明らかに異なり、検閲/生存モデルはこのシナリオに最適です。
再：ロジスティック回帰これは生存問題のように思えます - そして、あなたの「さらされていない」は検閲変数になるでしょう。 言い換えれば、動物は暴露されていませんが、まだ暴露される可能性があります。 しかし、そのアプローチがここで有効であるならば、私は関連した質問をします：生存モデルはイベントまでの時間のための連続的なモデルですが打ち切り変数があります。 そのような問題への別のアプローチ（保険問題のようなものをモデル化する際に頻繁に使用されるのと同様に上で示唆された）は、2段階のモデル化手順を使用することです。 最初に分類モデル（ロジスティック回帰など）を使用して離散イベント/イベントなしの頻度をモデル化し、次にイベントが発生したデータのみを使用して「重大度」をモデル化します（これは連続従属変数になります）。 このような問題をモデル化するためにこれら2つの代替方法を使用することの相対的な利点に誰かが光を当てることはできますか？
再：ロジスティック回帰ご回答ありがとうございます。私はすでに解決策2と3をやった。
数字2のこと：あなたはその解決策で不死のバイアスに遭遇しませんか？つまり、動物がより年齢が上がるにつれてリスクが高まるのですが、年齢が上がるにつれてこの病気のリスクが上がるので、その情報からどのくらいの情報が得られるのか私にはわかりませんか。
3番目はうまく機能します、私はそれを3つのグループ（早い/遅い/露出していない）にまとめることさえ試みました、そして、私は完全にそれを解釈する方法を得ます。それは主に、私が継続的なxが欲しいからですが、そのばかげた未公開グループを含みますが、解決策1がそれを解決するかもしれないと思います！
再：ロジスティック回帰Peterの提案に追加する。
1。グラフビルダーによる分析 先に進む前に、基礎となる理解を得るためにデータをプロットしてください。
2。質問が、被ばくしたグループ内で年齢が結果にどのように影響するかということであれば、それは1つの分析です。
3。問題が、ばく露/非ばく露が結果にどのように影響するかということであれば、それは別のことである。
4。あなたは多重比較タイプ分析をして、各グループを対照（すなわち、暴露されていない）または互いに比較する（ペアワイズ比較）などを比較することができます。
データを見る方法はたくさんありますが、私はグラフビルダーから始めて、そこから始めます。再：ロジスティック回帰あなたの考えているのは、データタイプ=数値とモデリングタイプ=序数として予測変数を設定することです。そして、あなたは1、2、3などのような直感的な解釈でゼロレベルとして「露出なし」レベルを設定することができます。あなたがそれらを明瞭にしたようにレベル。
別のアプローチは、露出を数値予測変数としてモデル化し、未露出を分析から完全に除外したものです。1。5年前に露出された個人のために補間（それが理にかなっているなら）を可能にするでしょうか？
3つ目のアプローチは、すべての公開された個人を1つのグループにまとめて「公開」と呼び、未公開のデータをデータセットに含めることです。
他にも解決策があるかもしれませんが…私の頭の中で頭に浮かんできます。
