SPSS 教程37 回归模型连续型自变量的处理方式上一推文，我介绍了自变量是无序分类变量的哑变量设置方法。本文轮到讨论连续型的定量变量了。很多朋友对于回归建模中自变量是连续型变量的处理，非常简单粗暴，直接将自变量不作任何处理纳入回归分析中。这种方式应该是作为流行的做法。然而最终简单粗暴的方法毫无任何美感。一个回归分析模型美不美，关键点之一是我们如何对待连续型自变量。这里面有一些技巧，是大家需要重视的。连续型自变量，首先要要明确，与研究结局Y是否具有线性关系。关于线性关系，我已经讲了很多次，无论是线性回归、logistic回归和Cox回归，都要明确自变量与结局存在着大致的线性关系。线性回归分析，一般采用绘制X与Y的散点图，诸位可以学习本推文相应的文章：logistic回归，一般需要借助交互效应来查看线性问题，相应学习文章如下
此外，对于线性关系是否成立，诸位可以通过哑变量设置的方法进行识别。这种方法，便是将自变量转为有序多分类变量，并且设置最低值或者最大值组为对照组，进行分析。若各哑变量回归系数b值间隔差不多等距，即可以认为线性关系成立。关于哑变量设置与线性关系条件成立的研究，诸位可以查看本系列推文：有些时候线性条件成立、有些时候线性条件不成立。现在我根据实际情况，介绍处理连续型自变量的若干种方法。
例3：研究究高血压患者血压与性别、年龄、身高、体重、户籍等变量的关系，随机测量了32名40岁以上的血压y、年龄X1、体重指数X2、性别X3，户籍X4试建立多重线性回归方程。数据文件见reg.sav。 
本例中年龄和体重指数是连续型变量，本文针对年龄开展分析。对于年龄与高血压的关系，有以下几种方法可以推荐给大家。第一种，当线性关系条件成立，最基本的方法是直接纳入。直接纳入法是最原始的方法，当然线性关系成立，不用担心这样直接纳入是否合适。本例显示，年龄每增加一岁，血压增加1.697 mmHg。
第二种，线性关系成立时，等级变量法。当线性关系条件成立，很多时候直接纳入自变量的方法，得到的回归系数，意义不大。比如，年龄每增加一岁，血压增加1.697 mmHg。没有太大的临床意义。如果我们现将年龄进行进行转换，变成有序多分类变量，也是不错的办法。比如，由于年龄在41-65岁之间，我把年龄变为41-45岁，46-50岁，51-55岁，56-60岁，61-65岁一组，然后再开展分析。我们就可以发现，结果解释的大致相同。本例显示，年龄每增加5岁，血压增加8.089 mmHg。这样的说法在临床上更有意义。本方法需要注意等级变量等距的问题，若不等距，可能会得到错误的结果。
第三种，线性关系成立时，哑变量设置的方法。这种方法即在第二种方法的基础上进行哑变量设置分析，比如我们以41-45岁作为对照，开展哑变量分析。可以发现，哑变量设置的方法为我们提供了更多关于变量影响的信息。比如研究可以发现，实际上，不是所有的组别都和41-45岁相比，血压都增高的，45-50岁组与41-45岁相比，没有发现统计学差异（P=0.125）。
这种方法也有风险，它需要更大的样本量，它可能会由于各组别样本量不足而导致无统计学差异的结果。很多人会奇怪，比如下面的结果：
诸位可以看到，年龄第5等级时，b=25.767，是一个较大值，暗示p=0.065, 没有统计学意义。虽然看起来随着年龄增加，血压是在不断上上升，但是由于年龄第5等级时，样本量过小，抽样误差过大（标准误差=13.68），远远大于其他组别，因此P值也变得很奇怪。碰到这种情况，还是我还是推荐不设置哑变量的处理方法。
第四种，线性关系成立时，双重法。同时开展第三种方法(哑变量设置）和第二种方法（趋势检验法）。两者结合，珠联璧合！同时能够体现各亚组的效应，也可以体现总体上的线性关系。强烈推荐！第一种方法，当然线性条件不成立，哑变量设置方法。哑变量设置的方法是非常基础的方法。我们首先将定量自变量转为等级自变量，然后设置哑变量开展分析。第二种方法，哑变量设置+趋势性检验方法。该方法同线性条件成立的第四种方法。很多人觉得奇怪，线性关系不成立，你怎么还用趋势性检验呀？其实很多时候我们在报告结果的时候，读者不知道到底线性条件是否成立，若我们同时展示哑变量设置的分析结果（部分哑变量有统计学效应）和趋势性检验结果（一般是阴性结果），那么我们便可以一方面详细报告我们的结果，而另一方面也告诉读者，自变量与结局线性关系不成立的， 因为趋势性检验结果不成立。第三种方法，数据转换的方法。一般将连续型自变量通过x^2转换，或者log转换，或者e^x转换等多种形式建立与y的关系。
下文的关于线性条件的例子来自于《中华流行病学杂志》2019年第8期的文章：冯国双.观察性研究中的logistic回归分析思路[J].中华流行病学杂志,2019,40(8):1006-1009举例: 某研究分析老年人高血压(二分类变量，是或否)的危险因素，研究因素包括gender、age、ox-LDL、Adiponectin、ox-LDL IgG和ox-LDL IgM共6个指标。其中gender为二分类变量，其余变量均为连续变量。如果把6个自变量直接纳入统计软件分析，所得结果见表 1。
可以看出，6个变量均差异无统计学意义。然而对数据重新分析后发现，并不是这些变量对结局均无影响，只是未能发现它们之间的真实关系而已。经仔细观察，发现age和ox-LDL IgM对结局的影响是有统计学意义的，但不是线性影响，而是二次项关系(表 2)。
第四种方法，曲线回归的方法。曲线回归，经典的方法有两种，一种是LOESS回归，一种是限制性立方条样回归。这两种方法的共同特点是，绘制得到的统计图真是好看呀。
而限制性立方条样图，结果也非常不错。下面这张图利用logistic回归计算OR值的立方条样图，怎么样，不错吧？
这两种非线性关系图，有点复杂，请有兴趣的同学们网上搜索研究，非常有意义哦。 第五种方法，各种方法大集合。如果遇到连续型自变量十分关键，我觉得可以多个角度去分析。哑变量设置、趋势性分析、限制性立方条样图结合一起玩一把，放在结果吧，那是非常酷的结果。 好了，关于连续型自变量，我就讲到这里。对于连续型自变量的处理，一定要打开思路，特别是如果这个自变量非常关键，诸位应考虑多种策略的组合。下一讲，我将进一步详细讲讲大家比较关心的趋势性分析的技术性问题：如何正确开展趋势性检验！ -本文毕- 系列撰写者：郑卫军，浙江中医药大学医学统计学教研室主任。这里不妨广而告之，如果您有一个临床试验项目，正处于设计阶段，并且已经或者将要过医院伦理委员会审核，不妨联系郑老师统计团队，我们可以帮助您更好的改善临床试验。微信号ZZ566665。
|
