一般统计问题-名义逻辑回归与Wilcoxon你好，
请帮助我理解这一点-使用具有连续变量的大型数据集-大多数情况下，我使用模型得出二进制结果（有效/无效）。
我的许多连续变量不是正态分布的，因此我通常通过拟合模型来进行检验（Y =结果，模型效果-权重，名义对数）。主要变量的分布-权重： 
逻辑模型的结果如下所示：
这并不是一个很好的模型，我尝试了不同的转换，但是变量的分布通常是非对数或非对数的。
因此，为了使听众更好地理解，我将响应和变量转过来：用X拟合Y（Y：权重，X：结果），并进行非参数Wilcoxon检验-给我显着的结果（p <0.05），而我的不良拟合检验的逻辑回归显示趋势，但无显着性（p = 0.09）。
那怎么办？
答案显然是结果（Y），因此，即使缺乏合身测试为阳性，我也应该坚持该测试。许多读者不习惯逻辑回归，而宁愿使用分位数图，但这将要求结果是权重（Y）。
使用哪种测试是合法的？
我可以克服逻辑回归中缺乏拟合的问题吗？
最后我可以使用哪个p值？-有没有一种方法可以为非参数测试结果定义OR？
非常感谢，马克
回复：一般统计问题-名义逻辑回归与威尔科克森首先，我会说：忘记所有关于不同的统计技术以及如何使用它们。我有一个非常基本的问题：您分析的目的是什么？你想做什么？你想知道什么？从这些问题开始，然后将指导正确的分析以及您需要对非正态变量执行的操作（如果有）。请注意，在许多情况下，实际上并不需要常态。
回复：一般统计问题-名义逻辑回归与威尔科克森问题始终是，某些预测因素是否与某个结果相关（在我的领域中，多数是死亡/活着）。在这种回顾性数据分析中，我们通常会有许多潜在的人口统计学，临床变量，这些变量与某个结果（死亡/活着）相关。在此示例中，权重是示例中的变量之一。
回复：一般统计问题-名义逻辑回归与威尔科克森“链接”可能意味着很多事情。您可以只看一个相关值，说相关性很高，因此变量被链接了。我认为您确实在寻找导致结果的原因。这意味着像您开始时那样的建模方法。结果是Y。其他所有结果都是X。我建议同时查看所有可能的输入，以避免由于输入之间的相关性而出现的某些关系不会出现，或者某些关系的出现是由于潜伏变量引起的。
至于正常性，这不是您的输入变量的要求。在某些情况下，转换高度偏斜的输入可能有助于建模。您显示的示例与重量无关，但是在开始时（接近2）有一个很大的峰值，可能会引起问题。您可以尝试获取权重的对数并将其用作输入，以查看它是否会改变结果。
您也可以尝试判别分析（DA），这与逻辑回归相似。它回答了这个问题，我能找到一个最好地将数据分为两个结果值的多元超平面。这将是一种适当的技术，而不是Oneway ANOVA，并且可以同时处理多个可能的因素。DA可以比逻辑回归更强大，但在很大程度上依赖于正态分布的数据。它可能是您尝试使用的另一种工具，但是由于不正常，我会先尝试在DA之前进行转换。
