本文原题：《[常见错误]将单因素分析P<0.10的变量纳入回归模型》，今日重新发布，增加一个小栗子，来源于本号所撰《混杂偏倚的三种常见校正方法》。这个例子更权威，也有利于大家更直观的理解混杂。 ---------新加小栗子---------
Cochran曾对加拿大人的吸烟情况做过一项研究。发现，总的死亡率呢，吸雪茄的，要显著大于吸香烟的。但是，吸雪茄的人明显高龄化，平均年龄66，而吸香烟人平均年龄55，差异显著！
既然在基线上，年龄不可比，那我们总死亡率的差异，会不会是受到年龄的混杂影响呢？
蛋白质晶体
两根一起塞进来于是，Cochran做了如下的亚组（分层）分析：
如图，左图很明显，雪茄吸食者，死亡率高；中图也很明显，各亚组内，雪茄吸食者，死亡率低（哇~各位读者可不要吸雪茄哈，都戒，都戒……）；右图做了加权分析，加权平均之后，依然继承了中图的结论，雪茄吸食者，死亡率低。
很明显，在这里，年龄的混杂通过亚组（分层）分析得以校正。
这里，我们的结论是：校正混杂，很有可能并且完全能够推翻单因素分析的结论。将单因素显示的正向作用纠正为校正后反向，很正常。把无意义的变量纠正为校正后的有意义，也很正常！
---------以下为原文---------
很多人做论文，都会提到类似“将单因素分析P<0.10的变量纳入回归模型”，真的是这样吗？
首先，我们来思考一下，
我们为什么要建回归模型？为什么在结果讨论的时候，我们更倾向于针对回归模型的结果，而不是单因素分析的结果呢？
之前在本号之前的文章《Logistic 回归：从入门到进阶》中，有相关的介绍。
主要原因，是让纳入模型的几个变量相互校正。校正什么呢？校正混杂！
如下图，单因素分析的时候，可能会觉得，班级对升学率有影响。但老师和班级同时纳入模型的时候，就会校正了老师的混杂，实际上，最终是老师对升学率有影响，而不是班级本身的原因。这就是回归建模的意义，校正混杂，而发现最准确的影响因素！
那么P>0.10的变量，要不要纳入回归模型？
当然要的！
我们做回归，就是为了校正混杂！
废气焚烧
有的单变量分析有意义的变量，纳入回归模型，可能失去了意义，这就是校正的结果。
土工格室护坡同样的，
有的单变量分析无意义的变量，纳入回归模型，可能又有了意义，这也是校正的结果！
所以，将所有变量都同时纳入回归模型，应该是一个明智的选择！
那么为什么要根据P<0.10来筛选变量呢？
这个概念，又是如何流传开来的？
没有检索过文献，猜测一下：
——小插曲：我们统计系的本科生毕业的时候，回归分析以及变得很俗气了，这给我们研究生带来很大困扰，本科生都用回归了，研究生用什么？
是这样的，在很早之前，logistic回归等，需要手算、编程算，电脑速度也超慢，实现一个回归模型，本身就是一个相当繁重相当耗时的工作。所以，那时候对变量的要求，刚好与韩信点兵相反，我们是越少越好啊，节省大量的计算时间！所以呢，我们在回归之前，通过单因素分析筛选一部分变量，可是整个建模研究的救星啊！
而如今，我们IT技术迅速发展，CPU早就二核四核，软件早就SPSS、SAS、R等等不一而足，之前大量繁重耗时的工作，都被电脑所取代。所以，之前体现专业研究生们统计水平的回归建模技术，早已“飞入寻常百姓家”！随着统计技术的发展，大数据时代的来临，我们高维数据的回归建模，甚至也都是分分钟的事儿了！
在这种背景下，我们为什么还要筛选变量，“将单因素分析P<0.10的变量纳入回归模型”呢？
所以，改了吧！
不少读者后来又询问，改成什么样子，这里总结一下：
远程升级
1.单因素分析继续完成并报告结果。
2.多因素分析不考虑单因素的结果，直接将所有变量纳入模型，并使用stepwise方法筛选。如果样本量较少，可尝试使用forward方法。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议