logistic与Cox回归的P for trend：一个临床医生创造的指标

研读有关文章，P for trend其实就是将连续性自变量（协变量）按照一定的方法将其离散化成几个分类水平的等级变量，通俗地说，就是根据四分位数、平均与标准差甚至根据临床专业上的分级，将连续性自变量（协变量）转换成只有几个组的分组变量。笔者尝试以某病死亡与年龄的关系演示一下文献中P for trend的SPSS实现。首先按照年龄的四分位数（49、58、65）分成4组，得到一个年龄组的变量。

文中的P for trend其实就是将年龄组作为一个普通变量（非哑变量化）直接引入方程而已所得到的结果。

如果将年龄组哑变量化后，将得到如下结果

随着年龄的增长，发生死亡的危险性的确有上升的趋势，可验证P for trend的结果。

然而，从本文讨论的文献中，绝大部分的指标中P for trend的结果和哑变量化的结果“一致”的，但也有不一致的情况，如第一张图蓝色方框的指标。该指标以普通形式和哑变量形式引入方程时的结果不一样的，这可能导致该变量以哑变量方式引入方程时，会保留在方程中，而以普通形式引入变量时，可能会使本该保留在方程中变量被剔除，众所周知，在逐步回归时，由于变量间的共线性或者交互效应等因素，引入和剔除的变量将会相互作用，每一个变量引入和剔除都可能影响到其他变量，最终影响到整个方程，甚至会出现严重的错误。

终上所述，在单因素回归时P for trend在单变量回归中，多一个指标多一个角度取探讨资料特点，未尝不可，但是在多变量回归中，使用该指标则需谨慎选择。这或许在众多的统计教材中都没有讨论P for trend的缘故，当然，上述观点仅仅是笔者个人的担心，在临床上是否使用，尚需进一步探索，希望借本文抛砖引玉，以便各位在科研中探索，欢迎各位在本文留言发表观点。

最后为大家复习一下哑变量的应用条件。

回复“哑变量”获取更多哑变量的文章，回复“PDF”下载本文所讨论的文献原文。

代表作返回搜狐，查看更多