你只会“先单后多”吗？ 如何筛选自变量建立多因素回归模型

《欧洲流行病学》杂志把筛选自变量的方法分为两类，一类是理论驱动方法，另外一类是数据驱动方法，先单因素再多因素或者逐步回归法是数据驱动的一类方法，但不是其中的最主流的方法。

具体来说，现在常见的筛选自变量方法有四种：

“Among those, 146 studies (50%) reported using prior knowledge orcausal graphs for selecting variables, 34 (12%) used change in effect estimate methods, 26 (9%) used stepwise approaches, 16 (5%) employed univariate analyses, 5 (2%) used various other methods and 107 (37%) did not provide sufficient details to allow classification (more than one method could be employed in a single article)”

1）首选方法，是因果关系网络方法，更多的写法是有向无环图（Directed Acyclic Graph，DAG）方法，也就是理论驱动的方法。根据变量与变量的因果关系筛选进入回归模型的自变量。如果理论上不存在因果关系? 别进来！

2）其次是，效应改变法原理，这才是数据驱动的首选方法，自变量筛选中，根据自变量对研究结局影响是否足够大，来筛选自变量。比如当一个变量纳入回归模型后，对重要变量效应值的影响不到10%，那么就认为是多余，删掉！

3）排在第三的是逐步回归法，逐步回归可以处理多重共线性，也是不错的。

4） 第四才是先单因素后多因素的方法。

我们学习回归建模时，往往很多人建议，第三、第四结合起来一起使用吧？其实是没有必要的，这是因为逐步回归法就隐含着先单单因素后多因素的思想，其次，先单后多的方法，已经淘汰了大部分无效的变量，而在此技术上开展逐步回归法，可能伤害了更多具有价值的变量。所以，必须谨慎使用逐步回归法。

综合四大自变量筛选的方法，我认为可以采用"严进严纳" 的理念进行自变量筛选。

严进严纳的方法基本理念是，即在纳入自变量的时候需要严格纳入，在排除自变量的时候，没有多大意义的别放在最终模型中来。其中严进采用理论驱动法，严纳采用数据驱动法。

在严进严纳的基础上，回归分析必须根据研究目的选择合适的自变量的筛选方法。

回归分析主要有哪些研究目的呢？三个：

探讨影响因素

控制偏倚

预测与分类

（1）在探讨影响因素时，首先（1）推荐基于DAG的方法，可筛选合适的自变量，同时建立多个回归分析模型，来研究影响因素；或者（2）可以直接采用先单后多的方法开展分析，若存在着较为严重的共线性，可结合逐步回归方法。

（2）在分析暴露因素与结局关系、需要控制混杂时，推荐采用DAG+效应改变法，可以考虑采用DAG+先单后多的方法；不建议采用逐步回归的方法进行，以免在回归分析删去暴露因素（哪怕没有统计学意义，暴露因素也必须呆在回归分析模型中）。

（3）在开展预测与分类时，则重点考虑逐步回归方法。

总的来说，回归建模推荐的自变量筛选思路是在DAG模型指导下开展“严进严纳”分析，除了预测与分类，不太推荐逐步回归法开展分析。

本文毕，下一篇将介绍最难理解的DAG的方法。

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。

返回搜狐，查看更多