Hola,
He mezclado el modelo, donde evalué en un análisis univariante por Pearson para variables categóricas o regresión logística para variables continuas de importancia para un resultado binario (por ejemplo, mortalidad).
Poner esas variables (continuas y categóricas) en un análisis multivariado me muestra un cierto efecto, usando la opción "Ajustar modelo" y "Logística nominal" con la posterior eliminación manual hacia atrás hasta que todas p <0.05.
Ahora, algunos amigos estadísticos me dijeron que no puedo usar variables categóricas y continuas en el mismo análisis multivariado, y más bien debería categorizar mis variables continuas en variables categóricas (por ejemplo, divididas por rangos intercuartílicos) y usar esas, solo variables categóricas en la regresión multivariable. O viceversa, debería excluir mis variables categóricas en el modelo y usar solo variables continuas.
¿Qué piensa la gente? - Cualquier consejo muy apreciado. Muchas gracias marc
¿Si entiendo su publicación original correctamente, está intentando ajustar un modelo de regresión logística nominal con una respuesta categórica (binaria) y predictores continuos y categóricos? Si ese es el caso, no hay razón por la que no pueda usar JMP para ajustar ese estilo de modelo. Además de muchos otros métodos de modelado que van desde redes neuronales hasta la plataforma Partition en JMP. Aquí hay un ejemplo rápido utilizando la tabla de datos de diabetes.jmp que se proporciona en el Directorio de datos de muestra de JMP y un enlace a la documentación en línea de JMP.
https://www.jmp.com/support/help/14-2/launch-the-nominal-and-ordinal-logistic-personal.shtml
