Domanda sulle statistiche generali - regressione logistica nominale contro WilcoxonCiao,
per favore aiutatemi a capire questo - lavorando con grandi set di dati con variabili continue - il più delle volte uso i modelli per un risultato binario (vivo / morto).
Molte delle mie variabili continue non sono normalmente distribuite, quindi di solito mi avvicino al test per Fit Model (Y = risultato, effetti del modello - peso, logistica nominale). La distribuzione della variabile primaria - peso: 
Il risultato del modello logistico è simile al seguente:
Non è proprio un bel modello, e ho provato diverse trasformazioni, ma la distribuzione delle mie variabili è molto normale o logaritmica.
Quindi, per una migliore comprensione per il pubblico, giro la risposta e le variabili: misura Y per X (Y: peso, X: risultato) e fa un test Wilcoxon non parametrico - dandomi un risultato significativo (p <0,05), mentre il mio la regressione logistica con un test di adattamento errato mostra una tendenza ma nessun significato (p = 0,09).
Quindi cosa facciamo?
La risposta è chiaramente il risultato (Y), quindi dovrei attenermi a questo test anche quando la mancanza del test di adattamento è positiva. Molti lettori non sono abituati alla regressione logistica e preferiscono piuttosto i grafici quantili, ma ciò richiederebbe che il risultato sia peso (Y).
Quale test sarebbe legittimo da usare?
Posso superare la mancanza di adattamento nella regressione logistica?
Quale valore p posso usare alla fine? - esiste un modo per definire OR per risultati di test non parametrici?
Grazie mille, Marc
Ri: Domanda sulle statistiche generali - regressione logistica nominale contro WilcoxonInnanzitutto direi: dimentica tutto delle diverse tecniche statistiche e di come potresti usarle. Ho una domanda fondamentale: qual è lo scopo della tua analisi? Cosa stai cercando di fare? Che cosa vorresti sapere? Iniziare con queste domande guiderà quindi l'analisi corretta e cosa (se non altro) devi fare con variabili non normali. Si noti che in molti casi la normalità non è realmente richiesta.
Ri: Domanda sulle statistiche generali - regressione logistica nominale contro WilcoxonLa domanda è sempre se alcuni predittori sono collegati a un determinato risultato (la maggior parte nel mio campo - morte / vivo). In tale analisi dei dati retrospettiva, di solito abbiamo molte potenziali variabili cliniche demografiche, che sono collegate a un determinato risultato (morte / vivo). Il peso in questo esempio era una delle variabili come esempio.
Ri: Domanda sulle statistiche generali - regressione logistica nominale contro Wilcoxon"Collegato" potrebbe significare molte cose. Potresti semplicemente guardare un valore di correlazione e dire che la correlazione è alta, quindi le variabili sono collegate. Penso che tu stia davvero cercando di vedere quali CAUSE il tuo risultato. Ciò implica un approccio alla modellazione come hai iniziato. Il risultato è una Y. Tutto il resto è una X. Consiglierei di guardare contemporaneamente tutti gli input possibili per evitare che alcune relazioni non compaiano a causa delle correlazioni tra gli input o che compaiano alcune relazioni, ma che siano causate da una variabile in agguato.
Per quanto riguarda la normalità, questo NON è un requisito per le variabili di input. La trasformazione di input altamente distorti può tuttavia aiutare la modellazione, in alcuni casi. L'esempio che mostri, non sarei così preoccupato per il peso, ma all'inizio c'è un picco molto grande (vicino al 2) che potrebbe essere problematico. Potresti provare a prendere il registro del peso e usarlo come input per vedere se cambia i risultati.
Puoi anche provare Discriminant Analysis (DA), che è simile alla regressione logistica. Risponde alla domanda, posso trovare un iperpiano multivariato che separa meglio i dati nei due valori di risultato. Sarebbe la tecnica corretta piuttosto che l'ANOVA Oneway e gestirà contemporaneamente più fattori possibili. Il DA può essere più potente della regressione logistica, ma si basa maggiormente sui dati normalmente distribuiti. Potrebbe essere un altro strumento da provare, ma a causa della non normalità, proverei a trasformare prima di DA.
