Hallo,
Ich habe ein gemischtes Modell, bei dem ich anhand einer univarianten Analyse entweder nach Pearson nach kategorialen Variablen oder nach logistischer Regression auf kontinuierliche Variablen von Bedeutung für ein binäres Ergebnis (z. B. Mortalität) untersuchte.
Wenn diese Variablen (stetig und kategorial) in eine multivariate Analyse einbezogen werden, zeigt sich ein gewisser Effekt, wenn die Optionen "Fit Model" und "Nominal Logistic" mit nachfolgender manueller Rückwärtsentfernung verwendet werden, bis alle p <0,05 sind.
Nun sagten einige Statistikfreunde, dass ich kategoriale und kontinuierliche Variablen nicht in derselben multivariaten Analyse verwenden kann, sondern meine kontinuierlichen Variablen eher in kategoriale Variablen (z. B. nach Interquartilbereichen aufteilen) und diese kategorialen Variablen in der multivariaten Regression verwenden sollte. Oder umgekehrt, ich sollte meine kategorialen Variablen im Modell ausschließen und nur kontinuierliche Variablen verwenden.
Was denken die Leute? - Jeder Rat wird sehr geschätzt. Vielen Dank, Marc
Wenn ich Ihren ursprünglichen Beitrag richtig verstanden habe, versuchen Sie, ein nominales logistisches Regressionsmodell mit einer kategorialen Antwort (binär) und sowohl kontinuierlichen als auch kategorialen Prädiktoren anzupassen. In diesem Fall gibt es keinen Grund, warum Sie JMP nicht für diesen Modellstil verwenden können. Ebenso wie viele andere Modellierungsmethoden, die von neuronalen Netzwerken bis hin zur Partition-Plattform in JMP reichen. Hier ein kurzes Beispiel mit der Datentabelle diabetes.jmp aus dem JMP-Beispieldatenverzeichnis und einem Link zur JMP-Onlinedokumentation.
https://www.jmp.com/support/help/14-2/launch-the-nominal-and-ordinal-logistic-personal.shtml
