大家好，
我们正在比较三种不同的检测方法（A、B、C），以了解它们检测疾病状况的能力。 我们有四组，其中 1 = 疾病，2、3 和 4 = 不同的良性疾病。
问题是双重的
- 您将在测定中使用什么测试来查看它们是否可以检测到与对照组（= 疾病）组的差异
- 数据非正态分布
- 数据包含 0 使转换变得困难，因为对数转换不起作用
- 我们可以使用什么指标或数字来确定哪种检测效果最好？
先感谢您
您可能想要使用逻辑回归，其中疾病类别为 Y，检测为 X。 我将保留标签 1-4 的原样，但我将告诉 JMP 顺序为 2、3、4 和 1，因为它假定最后一级（现在为 1）是目标类（疾病）。 以下是分别回归 Y 和 X 时的样子：
ROC 曲线是一种诊断工具，用于评估可能对您有所帮助的辨别力（敏感性与 1-特异性）。 同时使用所有三种检测方法作为预测指标，看看其中一种是否更好，也可能会有所帮助。 这是名义上的逻辑回归：
因此，似乎测定 C 比其他两种测定做得更好。 现在最好的模型是什么？ 关系是线性的吗？ 这是三次模型的拟合和检验：
似乎线性预测器就足够了。
其他类别（2-4）代表什么？ 真的有3个正常班和1个不正常班吗？ 此外，这项研究是探索性的还是验证性的？
我在保存脚本后附加了您的 JMP 数据表以重复我在此处显示的分析
