搞懂传统单因素分析和单因素回归分析的纠葛，有这篇文章就够了！

文章预览

‍ ‍ 单因素分析，顾名思义就是分析单一因素在组间的差异，例如我们最常用到的t检验、卡方检验、方差分析等等，通过这些传统的单因素分析方法，我们可以简单直接地观察到两组或多组之间均数或者率的分布差异。 除了这些传统的单因素分析方法，我们在阅读文献时也能常常遇到“单因素回归分析”这样的说法，例如我们在上一期推送的《 如何理解回归模型中的“调整”和“独立作用” 》一文中所引用的研究实例。 表1. 单因素(Unvariate)Cox风险回归 如表1所示，作者在展示Multivariate analysis(多因素分析)结果之前，还展示了Univariate Cox hazard analysis(单因素Cox回归分析)的结果，其计算所得的HR值被描述为Unadjusted HR。那么，这个单因素回归分析又到底是什么鬼？ 其实不难理解，单因素回归分析就是在构建回归模型时， 只纳入一个因素 进入到回归模 ………………………………