|
SPSS教程44 单、多因素回归结果结果矛盾的处理方法 这一篇接着介绍先单后多的统计建模方法。 先单后多，最令人沮丧的，莫过于单因素P<0.05，而多因素大多数没有统计学意义，甚至一个都没有。这可怎么办！！怎么回事！！不仅如此，有些时候单因素>0.05，多因素可以出现统计学差异的惊喜局面哦。 单因素、多因素结果矛盾原因 这种情况的原因是什么？大概原因包括： （1）多因素回归自变量个数太多，样本量不够，建模失败 （2）存在着混杂变量 （3）存在着中介变量 （4）存在着交互效应 （5）排除中介变量后，存在着其它多重共线性 主要的原因是存在着混杂变量和中介变量。 单因素、多因素结果矛盾如何处理 如何处理？ 当然，最重要的是，在多因素回归分析之前，厘清好各变量的因果关系。对！借助DAG的方法能够形成相应的因果网络。 但是，DAG构建并不是那么容易，更多的时候，我们需要借助统计方法，来绘制DAG的连接线。 我推荐的方法是，“两因素建模法”和“去因素建模法”来探索自变量为什么先单后多结果不一致。 两种方法原理相似，他们的关系如同逐步回归法中的“向前逐步”和“向后逐步”方法。也非常容易理解。 “ 两因素建模法 ”案例分析 例1： Hosmer和Lemeshow于1989年研究了低出生体重婴儿的影响因素，结果变量为是否娩出低出生体重儿，考虑的自变量有产妇妊娠前体重、产妇年龄、种族、是否吸烟、早产次数、是否患高血压等。（数据文件见：logistic_step.sav。） 本文，关注两个变量，吸烟与早产次数 首先是单因素回归分析的结果： 在所有结果中，随访次数，没有统计学意义，因此多因素排除在外，剩下的全部纳入多因素回归分析（P<0.2）。结果如下： 结果发现，单因素分析中，种族是没有统计学差异，多因素P<0.05! 早产次数，应激性单因素有统计学意义，多因素P>0.05! 此外，吸烟、高血压的效应值（exp（B）即OR值）都在增大，这是为何？ 我现在采用“两因素”分析法，一探究竟！ 1.为什么种族单因素没有统计学差异，而多因素有？ 我建立多个回归模型，每个回归模型因变量是“低出生体重”，自变量是“种族”和一个其他自变量，因此称为2因素回归分析。 然后， 我发现，种族+吸烟的两因素回归模型结果诡异！ 吸烟在场，种族的效应具有统计学意义了！ 什么原因？因为吸烟对种族而言，是一个中介变量！这个中介变量。这个示意图的效果如下： 种族总的效应是2.3，通过吸烟的是-0.7，而不通过吸烟的是3.0，因此，当两因素在的时候，通过吸烟的作用被阻拦，则效应值则变成了3.0，更为他突出了。 2. 为什么高血压的效应值大大增加了呢？ 我同样利用两因素法建立多个回归模型，每个回归模型因变量是“低出生体重”，自变量是“种族”和一个其他自变量 结果发现，孕妇体重影响甚大： 单因素高血压OR=3.365，两因素变为5.998！ 那么产妇体重是什么变量？在这里显然，不是中介变量了，而是混杂变量。 高血压总的效应是3.65，而来自于产妇体重的影响则夹杂在其中，为-2.34（高血压与产妇体重负相关），因此，单因素回归分析的OR值比多因素回归分析的结果要低。 去因素建模法的应用 我针对早产次数“单因素有统计学意义，多因素P>0.05”的矛盾进行分析吧 我先采用两因素进行分析，探讨影响早产次数的干扰因素。你们觉得谁影响了早产次数呢？答案是应激性和吸烟！ 现在采用“去因素法”建模。“去因素法”指的是，在全因子模型中，剔除被怀疑的因素，在本例，需要剔除应激性与吸烟！ 可以看出，应激性和吸烟同时在场，则早产次数没有统计学意义，而应激性和吸烟不在场，早产次数则有统计学意义了，和单因素分析结果一致！ 那么应激性与吸烟是中介变量还是混杂呢？ 先思考下！文末有答案。 小结 第一，两因素法和去因素法是一种探索性的方法，可以帮助诸位粗略地发现结果异常严重的现象，特别是关键变量单因素、多因素的矛盾。不妨结合两种策略来试试！ 第二，两因素法和去因素法主要窥探中介与混杂的影响，但是究竟属于中介还是混杂，需要根据理论知识来判定。 第三，老话，在一个模型中，中介变量与混杂都不是我关注的重点，但中介变量不应纳入模型，混杂应该纳入模型；也可以采用多层次多模型法来窥探两个变量的影响 中介变量一直很重要，一直被忽视！如何在回归分析中考虑中介变量？ 第四，对于能考虑中介与混杂变量的场景，两因素法和去因素法可能收效甚微！ 第五，对于单因素和多因素回归分析结果矛盾时，千万不要觉得沮丧。这反而是你们大展身手的时候！想办法去解释矛盾之处，是一篇论文的亮点！ 第六，从理论上分析，应激性与吸烟应该是中介变量！ --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。 |
|
|
