一般統計問題-名義邏輯回歸與Wilcoxon你好，
請幫助我理解這一點-使用具有連續變量的大型數據集-大多數情況下，我使用模型得出二進制結果（有效/無效）。
我的許多連續變量不是正態分佈的，因此我通常通過擬合模型來進行檢驗（Y =結果，模型效果-權重，名義對數）。主要變量的分佈-權重： 
邏輯模型的結果如下所示：
這並不是一個很好的模型，我嘗試了不同的轉換，但是變量的分佈通常是非對數或非對數的。
因此，為了使聽眾更好地理解，我將響應和變量轉為：用X擬合Y（Y：權重，X：結果），並進行非參數Wilcoxon檢驗-給我顯著的結果（p <0.05），而我的不良擬合檢驗的邏輯回歸顯示趨勢，但無顯著性（p = 0.09）。
那怎麼辦？
答案顯然是結果（Y），因此，即使缺乏合身測試為陽性，我也應該堅持該測試。許多讀者不習慣邏輯回歸，而寧願使用分位數圖，但這將要求結果是權重（Y）。
使用哪種測試是合法的？
我可以克服邏輯回歸中缺乏擬合的問題嗎？
最後我可以使用哪個p值？-是否可以為非參數測試結果定義OR？
非常感謝，馬克
回复：一般統計問題-名義邏輯回歸與威爾科克森首先，我會說：忘記所有有關統計技術的知識以及如何使用它們。我有一個非常基本的問題：您分析的目的是什麼？你想做什麼？你想知道什麼？從這些問題開始，然後將指導正確的分析以及您需要對非正態變量執行的操作（如果有）。請注意，在許多情況下，實際上並不需要常態。
回复：一般統計問題-名義邏輯回歸與威爾科克森問題始終是，某些預測因素是否與某個結果相關（在我的領域中，多數是死亡/活著）。在這種回顧性數據分析中，我們通常會有許多潛在的人口統計學，臨床變量，這些變量與某個結果（死亡/活著）相關。在此示例中，權重是示例中的變量之一。
回复：一般統計問題-名義邏輯回歸與威爾科克森“鏈接”可能意味著很多事情。您可以只看一個相關值，說相關性很高，因此變量被鏈接了。我認為您確實在尋找導致結果的原因。這意味著像您開始時那樣的建模方法。結果是Y。其他所有結果都是X。我建議同時查看所有可能的輸入，以避免由於輸入之間的相關性而出現的某些關係不會出現，或者某些關係的出現是由於潛伏變量引起的。
至於正常性，這不是您的輸入變量的要求。在某些情況下，轉換高度偏斜的輸入可能有助於建模。您顯示的示例與重量無關，但是在開始時（接近2）有一個很大的峰值，可能會引起問題。您可以嘗試獲取權重的對數並將其用作輸入，以查看它是否會改變結果。
您也可以嘗試判別分析（DA），這與邏輯回歸相似。它回答了這個問題，我能找到一個最好地將數據分為兩個結果值的多元超平面。這將是一種適當的技術，而不是Oneway ANOVA，並且可以同時處理多個可能的因素。DA可以比邏輯回歸更強大，但在很大程度上依賴於正態分佈的數據。它可能是您嘗試使用的另一種工具，但是由於不正常，我會先嘗試在DA之前進行轉換。
