Menguji nonlinier dalam regresi logistik (atau bentuk regresi lainnya)

Salah satu asumsi regresi logistik adalah linearitas dalam logit. Jadi begitu saya mendapatkan model saya dan menjalankan saya menguji nonlinier menggunakan uji Box-Tidwell. Salah satu prediktor kontinu saya (X) telah diuji positif untuk nonlinier. Apa yang harus saya lakukan selanjutnya?

Karena ini merupakan pelanggaran terhadap asumsi saya harus menyingkirkan prediktor (X) atau memasukkan transformasi nonlinier (X * X). Atau mengubah variabel menjadi kategorikal? Jika Anda memiliki referensi, bisakah Anda mengarahkan saya ke sana juga?

rcs$X$

Anda dapat membandingkan hasilnya dengan tes Box-Tidwell Anda dengan menggunakan paket boxTidwell()dalam mobil .

Mengubah prediktor kontinu menjadi prediktor kategorikal umumnya bukan ide yang baik, lihat misalnya Masalah yang Disebabkan oleh Pengkategorian Variabel Kontinu .

Ini mungkin tepat untuk memasukkan transformasi nonlinear dari x , tapi mungkin tidak hanya x × x , yaitu x ² . Saya percaya Anda mungkin menemukan ini referensi yang berguna dalam menentukan transformasi mana yang akan digunakan:

GEP Box dan Paul W. Tidwell (1962). Transformasi Variabel Independen. Technometrics Volume 4 Nomor 4, halaman 531-550. http://www.jstor.org/stable/1266288

Beberapa menganggap keluarga Box-Tidwell transformasi lebih umum daripada yang sering sesuai untuk interpretabilitas dan kekikiran. Patrick Royston dan Doug Altman memperkenalkan istilah polinomial fraksional untuk transformasi Box-Tidwell dengan kekuatan rasional sederhana dalam makalah 1994 yang berpengaruh:

P. Royston dan DG Altman (1994). Regresi menggunakan polinomial fraksional dari kovariat kontinu: pemodelan parametrik parsimoni. Statistik Terapan Volume 43: halaman 429–467. http://www.jstor.org/stable/2986270

Patrick Royston secara khusus terus bekerja dan menerbitkan makalah dan perangkat lunak mengenai hal ini, yang memuncak dalam sebuah buku dengan Willi Sauerbrei:

P. Royston dan W. Sauerbrei (2008). Pembuatan Model Multivariabel: Pendekatan Pragmatis untuk Analisis Regresi Berdasarkan Polinomial Pecahan untuk Pemodelan Variabel Kontinu . Chichester, Inggris: Wiley. ISBN 978-0-470-02842-1

Jangan lupa untuk memeriksa interaksi antara X dan variabel independen lainnya. Meninggalkan interaksi yang tidak dimodelkan dapat membuat X terlihat seperti memiliki efek non-linear ketika hanya memiliki non-aditif.