拟合模型 > 有序 Logistic > Y = 复杂非正态分布数据的数据等级我需要对我根据该论坛上的几篇帖子和上一个问题的答案得出的分析方法进行健全性检查。
也就是说，我需要确定治疗和生物标志物水平对非正态分布且不能转换为正态分布响应变量的临床测量的影响。 由于 JMP 11.1 不提供非参数多变量模型，我使用了一种变通方法：我导出了临床测量的等级并将这些等级（序数分布）用作具有治疗和生物标志物的序数逻辑模型中的响应变量水平作为效果变量。
我是否使用我的变通方法违反了 Logistic 模型的关键假设？
如果我这样做，什么是可接受的替代方案（注意：不希望将响应变量分成 2 到 4 个箱）？
谢谢
回复：拟合模型 > 有序 Logistic > Y = 复杂非正态分布数据的数据等级还有一些想法：
- 毫无疑问，分发平台显示您的响应不是正态分布的！ 但这不是回归的假设。 假设是关于错误的分布。 标准最小二乘回归假设误差呈正态分布，二元逻辑回归假设误差呈二项式分布，泊松对数线性回归假设误差呈泊松分布，依此类推。
- 错误的正确模型通常与生成响应的物理过程有关。
- 您在第二本期刊中的 Residual by Predicted Plot 表明正态分布对错误不利，但这种模式对我来说表明您的临床测量值有些不寻常。
- 您是否尝试将 Biomarker A1 的高阶变换添加到线性预测器？ 尝试将平方项和三次项添加到“拟合模型”对话框的“效果”列表中，看看回归会发生什么。 （我认为仅此一项并不能帮助解决非正常错误）。
- 什么是临床测量，使其限制在 0 和 1，并且所有数据都堆积在这两个边界之一附近？
- 由于它仅限于 [0,1]，例如概率，您可以尝试将 logit 变换应用于度量。 选择临床测量在里面是在“拟合模型”对话框中列出，然后单击旁边的红色小三角转换并选择罗吉特.
回复：拟合模型 > 有序 Logistic > Y = 复杂非正态分布数据的数据等级嗨，马克，
感谢您的宝贵意见。 查找附加的 2 个 JMP 期刊文件：
- 我之前描述的临床反应变量的分布报告
- 按照您的建议，拟合模型 > 标准最小二乘报告进行分析
此致，
蒂埃里
回复：拟合模型 > 有序 Logistic > Y = 复杂非正态分布数据的数据等级有几点需要考虑：
- 当您将连续测量数据转换为分类数据时，您总是会放弃信息（和估计效率）。 当您直接使用临床测量作为响应时，回归是什么样的？
- 分布假设是关于错误，而不是响应。 您如何确定正态分布不是适合错误的模型？
- 您如何确定转型是不可能的/没有帮助的？
- 使用排名可能会导致过多的分类级别。 当您执行非参数测试时，该结果是可以的（实际上是可取的），但它会对您的回归产生不利影响，因为您将获得许多非常罕见的结果（有偏估计，分离问题）。
- 对于多项逻辑回归中使用的 logits，您有两种选择：序数（累积 logits）和名义（广义 logits）。 这些 logits（序数和名义）的关联具有一定的历史意义。 您应该考虑每个 logit 的模型灵活性（通用参数或唯一参数）。
如果我想到别的东西，我会发布更多。
