March 1, 1989American Journal of Public Health2,239 citationsOpen Access
流行病学分析中的建模和变量选择.
Key Points
- 本文考察流行病学数据多变量建模中的挑战和提出的解决方案，重点在于模型和变量选择.
- 回顾流行病学数据多变量建模中的问题.
- 讨论模型形式选择的回归诊断程序.
- 分析变量选择算法及其有效性.
- 模型选择应受到回归诊断和拟合优度检验的指导.
- 传统逐步回归可能导致无效的估计和效应检验.
- 直接估计混杂效应比显著性检验算法更有效.
Abstract
本文概述了流行病学数据多变量建模中的问题，并审查了一些提出的解决方案。特别关注模型选择任务，包括模型形式的选择、进入模型的变量选择以及这些变量在模型中的形式选择。得出多个结论，其中包括：a) 模型和变量形式应基于回归诊断程序进行选择，此外还需进行拟合优度检验；b) 当前包装程序中的变量选择算法，例如传统逐步回归，容易导致无效的估计和效应检验；c) 变量选择的更好方法是通过直接估计每个变量产生的混杂程度，而不是通过显著性检验算法。一般来说，在使用模型估计效应之前，应根据数据和先前信息评估模型所隐含的假设.