여보세요,
필자는 필자가 범주 형 변수에 대한 Pearson 또는 이원 결과 (예 : 사망률)에 대한 연속 변수 유의성에 대한 로지스틱 회귀 분석을 통해 단 변수 분석을 평가 한 혼합 모델을 사용했습니다.
이러한 변수 (연속 및 범주 형)를 다변량 분석에 적용하면 "Pit Model"및 "Nominal Logistic"옵션을 사용하여 후속 수동 제거가 모두 p <0.05가 될 때까지 특정 효과가 나타납니다.
이제 어떤 통계 학자들은 동일한 다 변수 분석에서 범주 형 및 연속 형 변수를 사용할 수없고 오히려 연속 변수를 범주 형 변수 (예 : 사 분위 범위로 나누기)로 분류하고 다 변수 회귀 분석에서 범주 형 변수 만 사용해야한다고 말했습니다. 또는 그 반대의 경우에도 모델에서 내 범주 형 변수를 제외하고 연속 변수 만 사용해야합니다.
사람들은 무엇을 생각합니까? - 많은 조언을 많이 주셨습니다. 많은 감사, 마크
내가 원래 게시물을 올바르게 이해했다면 카테고리 응답 (이진)과 연속적 및 범주 적 예측자를 가진 명목 물류 회귀 모델을 사용하려고 시도하고 있습니까? 이 경우 JMP를 사용하여 해당 스타일의 스타일에 맞출 수있는 이유가 없습니다. 신경 네트워크에서부터 JMP의 파티션 플랫폼에 이르기까지 다양한 모델링 방법이 있습니다. 다음은 JMP Sample Data Directory에 제공된 diabetes.jmp 데이터 테이블과 JMP 온라인 문서에 대한 링크를 사용하는 간단한 예입니다.
https://www.jmp.com/support/help/14-2/launch-the-nominal-and-ordinal-logistic-personal.shtml
