Allgemeine statistische Frage - Nominale logistische Regression gegen WilcoxonHallo,
Bitte helfen Sie mir, dies zu verstehen. Wenn ich mit großen Datensätzen mit kontinuierlichen Variablen arbeite, verwende ich meist Modelle für ein binäres Ergebnis (lebendig / tot).
Viele meiner stetigen Variablen sind nicht normalverteilt, daher gehe ich normalerweise nach Fit-Modell vor (Y = Ergebnis, Modelleffekte - Gewicht, nominelle Logistik). Die Verteilung der primären Variablen - Gewicht: 
Das Ergebnis des Logistikmodells sieht folgendermaßen aus:
Nicht wirklich ein schönes Modell, und ich habe verschiedene Transformationen ausprobiert, aber die Verteilung meiner Variablen ist viel Zeit nicht normal oder logarithmisch.
Zum besseren Verständnis für das Publikum drehe ich die Antwort und die Variablen um: Passen Sie Y durch X (Y: Gewicht, X: Ergebnis) und führen Sie einen nicht-parametrischen Wilcoxon-Test durch Eine logistische Regression mit einem schlechten Fit-Test zeigt einen Trend, aber keine Signifikanz (p = 0,09).
Also was machen
Die Antwort ist das eindeutige Ergebnis (Y), daher sollte ich mich an diesen Test halten, auch wenn der Test auf fehlende Passform positiv ist. Viele Leser sind nicht an logistische Regressionen gewöhnt und bevorzugen eher Quantildiagramme. Dafür müsste das Ergebnis Gewicht (Y) sein.
Welcher Test wäre legitim?
Kann ich die mangelnde Übereinstimmung mit der logistischen Regression überwinden?
Welchen p-Wert kann ich am Ende verwenden? - Gibt es eine Möglichkeit, OR für nicht parametrische Testergebnisse zu definieren?
Vielen Dank, Marc
Betreff: Allgemeine statistische Frage - Nominale logistische Regression gegen WilcoxonZunächst würde ich sagen: Vergessen Sie die verschiedenen statistischen Techniken und wie Sie sie einsetzen könnten. Ich habe eine sehr grundlegende Frage: Was ist der Zweck Ihrer Analyse? Was versuchst du zu machen? Was würdest du gerne wissen? Wenn Sie mit diesen Fragen beginnen, erhalten Sie eine Anleitung für die richtige Analyse und was (wenn überhaupt) Sie mit nicht normalen Variablen tun müssen. Beachten Sie, dass Normalität in vielen Fällen nicht unbedingt erforderlich ist.
Betreff: Allgemeine statistische Frage - Nominale logistische Regression gegen WilcoxonDie Frage ist immer, ob bestimmte Prädiktoren mit einem bestimmten Ergebnis verbunden sind (die meisten in meinem Bereich - Tod / lebendig). Bei einer solchen retrospektiven Datenanalyse liegen in der Regel viele potenzielle demografische, klinische Variablen vor, die mit einem bestimmten Ergebnis (Tod / Lebendigkeit) verknüpft sind. Die Gewichtung in diesem Beispiel war eine der Variablen als Beispiel.
Betreff: Allgemeine statistische Frage - Nominale logistische Regression gegen Wilcoxon"Verknüpft" kann viele Dinge bedeuten. Sie können sich einfach einen Korrelationswert ansehen und sagen, dass die Korrelation hoch ist, sodass Variablen verknüpft sind. Ich denke, Sie sind wirklich gespannt, was Ihr Ergebnis verursacht. Dies impliziert einen Modellierungsansatz, mit dem Sie begonnen haben. Ergebnis ist ein Y. Alles andere ist ein X. Ich würde empfehlen, alle möglichen Eingaben gleichzeitig zu betrachten, um zu vermeiden, dass einige Beziehungen nicht aufgrund von Korrelationen zwischen den Eingaben oder aufgrund von Beziehungen auftreten, die durch eine lauernde Variable verursacht werden.
Normalerweise ist dies KEINE Voraussetzung für Ihre Eingabevariablen. Das Transformieren stark verzerrter Eingaben kann in einigen Fällen die Modellierung unterstützen. Das Beispiel, das Sie zeigen, würde mich nicht so sehr mit dem Gewicht beschäftigen, aber es gibt eine sehr große Spitze am Anfang (in der Nähe von 2), die problematisch sein könnte. Sie können versuchen, das Gewichtsprotokoll zu verwenden und es als Eingabe zu verwenden, um festzustellen, ob es Ihre Ergebnisse verändert.
Sie können auch Discriminant Analysis (DA) ausprobieren, die der logistischen Regression ähnelt. Es beantwortet die Frage, ob ich eine multivariate Hyperebene finde, die die Daten am besten in die beiden Ergebniswerte trennt. Es wäre die richtige Technik anstelle der Oneway-ANOVA und würde mehrere mögliche Faktoren gleichzeitig behandeln. DA kann leistungsfähiger sein als die logistische Regression, stützt sich jedoch stärker auf die normale Verteilung von Daten. Es ist vielleicht ein anderes Tool, das Sie ausprobieren sollten, aber aufgrund der Nicht-Normalität würde ich versuchen, es zuerst vor DA zu transformieren.
