2x2およびIx2（単一因子-バイナリ応答）分割表のロジスティック回帰とカイ2乗？

2x2およびIx2の分割表でのロジスティック回帰の使用を理解しようとしています。たとえば、これを例として使用します

カイ二乗検定とロジスティック回帰の違いは何ですか？次のような複数の名目上の因子（Ix2テーブル）を持つテーブルはどうでしょうか。

ここに同様の質問がありますが、答えは主にカイ二乗がmxnテーブルを処理できるということですが、私の質問は、バイナリの結果と単一の名目上の因子がある場合の具体的なものです。（リンクされたスレッドはこのスレッドも指しますが、これは複数の変数/因子に関するものです）。

それがバイナリ応答を持つ単一の因子（つまり、他の変数を制御する必要がない）の場合、ロジスティック回帰を行う目的の違いは何ですか？

結局、それはリンゴとオレンジです。

ロジスティック回帰は、名目変数を1つ以上の他の変数の確率的結果としてモデル化する方法です。ロジスティック回帰モデルのあてはめは、モデル係数が0と有意に異なるかどうかのテスト、係数の信頼区間の計算、またはモデルが新しい観測をどれだけうまく予測できるかを調べることで追跡できます。

独立性のβテストは、2つの名目変数が独立しているという帰無仮説を検定する特定の有意性検定です。

ロジスティック回帰を使用するか、or²検定を使用するかは、回答する質問によって異なります。たとえば、χ検定では、登録されている政党が人種とは無関係であると信じることが不合理であるかどうかをチェックできますが、ロジスティック回帰では、特定の人種、年齢、性別を持つ人が各政党に属する確率を計算できます。