一个无法逃避的问题：多元回归分析中的变量筛选

文章预览

部分内容节选自：临床研究与医学统计 背景 临床模型研究，说到底是做一个模型，那么模型应该 如何纳入自变量，纳入哪些自变量， 这都是至关重要的问题。线性回归，逻辑回归和Cox比例风险回归模型是被广泛使用的多元回归分析方法。我们在前面的几篇文章中解释过他们的统计学意义、应用及结果释义。但是我们很少讨论 自变量筛选的方法， 这些方法在数据分析和撰写论文时应用较为混乱，却十分重要。本集整理并总结了前沿的自变量筛选方法，我们来一观究竟。 变量筛选方法及原则 在自变量筛选遇到问题时，研究者常常求助统计学家，统计学家会建议使用软件中自动筛选，例如IBM SPSS中的Logistic回归和Cox回归，给出了7种变量筛选的方法： 条件参数估计似然比检验（向前：条件）； 最大偏似然估计的似然比检验（向前：LR）； Wald卡方检验 ………………………………