Pregunta estadística general - Regresión logística nominal vs WilcoxonHola,
ayúdenme a comprender esto, trabajando con grandes conjuntos de datos con variables continuas, la mayoría de las veces uso modelos para un resultado binario (vivo / muerto).
Muchas de mis variables continuas no se distribuyen normalmente, por lo tanto, generalmente me acerco a la prueba por Fit Model (Y = resultado, efectos del modelo - peso, logística nominal). La distribución de la variable primaria - peso: 
El resultado del modelo logístico se ve así:
No es realmente un buen modelo, e intenté diferentes transformaciones, pero la distribución de mis variables es mucho tiempo no normal o logarítmico.
Entonces, para una mejor comprensión para la audiencia, cambio la respuesta y las variables: Ajustar Y por X (Y: Peso, X: resultado) y hacer una prueba de Wilcoxon no paramétrica, lo que me da un resultado significativo (p <0.05), mientras que mi La regresión logística con una prueba de mal ajuste muestra una tendencia pero no significancia (p = 0.09).
Y qué hacer ?
La respuesta es claramente el resultado (Y), por lo que debería seguir con esta prueba incluso cuando la prueba de falta de ajuste sea positiva. Muchos lectores no están acostumbrados a la regresión logística y prefieren los gráficos de cuantiles, pero esto requeriría que el resultado sea el peso (Y).
¿Qué prueba sería legítima de usar?
¿Puedo superar la falta de ajuste en la regresión logística?
¿Qué valor p puedo usar al final? - ¿hay alguna manera de definir OR para resultados de pruebas no paramétricas?
Muchas gracias Marc
Re: Pregunta estadística general - Regresión logística nominal vs WilcoxonEn primer lugar, diría: olvídate de las diferentes técnicas estadísticas y de cómo puedes usarlas. Tengo una pregunta muy fundamental: ¿Cuál es el propósito de su análisis? ¿Que estás tratando de hacer? ¿Qué te gustaría saber? Comenzar con esas preguntas guiará el análisis adecuado y qué (si algo) necesita hacer con variables no normales. Tenga en cuenta que en muchos casos, la normalidad no es realmente necesaria.
Re: Pregunta estadística general - Regresión logística nominal vs WilcoxonLa pregunta siempre es si ciertos predictores están vinculados a un determinado resultado (la mayoría en mi campo: muerte / vida). En dicho análisis de datos retrospectivo, generalmente tenemos muchas variables demográficas y clínicas potenciales, que están vinculadas a un determinado resultado (muerte / vida). El peso en este ejemplo fue una de las variables como ejemplo.
Re: Pregunta estadística general - Regresión logística nominal vs Wilcoxon"Vinculado" podría significar muchas cosas. Simplemente puede mirar un valor de correlación y decir que la correlación es alta, por lo que las variables están vinculadas. Creo que realmente estás buscando ver qué CAUSA tu resultado. Eso implica un enfoque de modelado como el que comenzaste. El resultado es una Y. Todo lo demás es una X. Recomendaría mirar todas las entradas posibles simultáneamente para evitar que algunas relaciones no aparezcan debido a correlaciones entre las entradas o que aparezcan algunas relaciones, pero que sean causadas por una variable al acecho.
En cuanto a la normalidad, ese NO es un requisito para sus variables de entrada. Sin embargo, la transformación de entradas que están muy sesgadas puede ayudar al modelado, en algunos casos. El ejemplo que muestra, no estaría tan preocupado por el peso, pero hay un pico muy grande al principio (cerca de 2) que puede ser problemático. Puede intentar tomar el registro de peso y usarlo como su entrada para ver si cambia sus resultados.
También puede probar el Análisis discriminante (DA), que es similar a la regresión logística. Responde a la pregunta: ¿puedo encontrar un hiperplano multivariado que separe mejor los datos en los dos valores de resultado? Sería la técnica adecuada en lugar de Oneway ANOVA y maneja múltiples factores posibles simultáneamente. DA puede ser más poderoso que la regresión logística, pero depende más de los datos que se distribuyen normalmente. Puede ser otra herramienta para que intente, pero debido a la no normalidad, intentaría transformar primero antes de DA.
