一般的な統計の質問-公称ロジスティック回帰とウィルコクソンこんにちは、
私がこれを理解するのを助けてください-連続変数を持つ大規模なデータセットでの作業-ほとんどの場合、バイナリ結果（生存/死）にモデルを使用します。
私の連続変数の多くは正規分布ではないため、通常、フィットモデル（Y =結果、モデル効果-重量、名目ロジスティック）によってテストにアプローチします。一次変数の分布-重み： 
ロジスティックモデルの結果は次のようになります。
本当に良いモデルではなく、さまざまな変換を試みましたが、変数の分布は非正規または対数の時間が非常に長くなります。
したがって、聴衆の理解を深めるために、応答と変数を変えます：YをXに合わせて（Y：重量、X：結果）、ノンパラメトリックウィルコクソン検定を行う-有意な結果（p <0.05）適合度の悪いテストを使用したロジスティック回帰では、傾向が示されますが、有意性はありません（p = 0.09）。
それで何をしますか？
応答は明らかに結果（Y）なので、適合テストの欠如が陽性であっても、このテストに固執する必要があります。多くの読者はロジスティック回帰に慣れておらず、むしろ分位数チャートを好みますが、これには結果が重み（Y）である必要があります。
どのテストを使用するのが合法ですか？
ロジスティック回帰の適合性の欠如を克服できますか？
最後にどのp値を使用できますか？-ノンパラメトリックテスト結果のORを定義する方法はありますか？
どうもありがとう、マーク
再：一般的な統計質問-名目ロジスティック回帰対ウィルコクソンまず、私は言うでしょう：異なる統計手法とそれらをどのように使用するかについてすべてを忘れてください。非常に基本的な質問があります：分析の目的は何ですか？あなたは何をしようとしているのですか？何を知りたいですか？これらの質問から始めて、適切な分析と、非正規変数で何をする必要があるか（もしあれば）を導きます。多くの場合、正規性は必ずしも必要ではないことに注意してください。
再：一般的な統計質問-名目ロジスティック回帰対ウィルコクソン問題は常に、特定の予測因子が特定の結果にリンクされているかどうかです（ほとんどの分野では、死/生存）。そのような遡及的データ分析では、通常、特定の結果（死亡/生存）にリンクしている多くの潜在的な人口統計学的、臨床的変数があります。この例の重みは、例として変数の1つです。
再：一般的な統計質問-名目ロジスティック回帰対ウィルコクソン「リンク」とは、多くのことを意味します。相関値を見て、相関が高いと言えば、変数はリンクされています。あなたは本当にあなたの結果の原因を見たいと思っていると思います。それはあなたが始めたようなモデリングアプローチを意味します。結果はYです。他のすべてはXです。すべての可能な入力を同時に調べて、入力間の相関または表示される関係によって表示されないが、潜んでいる変数によって引き起こされる関係を回避することをお勧めします。
正規性に関しては、それは入力変数の要件ではありません。ただし、場合によっては、非常に歪んだ入力を変換するとモデリングに役立つ場合があります。あなたが示す例では、私は体重にそれほど関心がありませんが、最初（2近く）に非常に大きなスパイクがあり、問題があるかもしれません。体重のログを取り、それを入力として使用して、結果が変わるかどうかを確認できます。
ロジスティック回帰に似た判別分析（DA）を試すこともできます。データを2つの結果値に最適に分離する多変量超平面を見つけることができますか？これはOneway ANOVAではなく適切な手法であり、複数の考えられる要因を同時に処理します。DAはロジスティック回帰よりも強力ですが、データの正規分布への依存度が高くなります。試してみるのは別のツールかもしれませんが、非正規性のため、DAの前に最初に変換してみます。
