12篇文章，手把手教你如何科学地构建回归模型！

作为医学统计学与SPSS教程的重要组成部分，系列教程《如何科学地构建回归模型》完结。

它们分别是：

1.一道饕餮大餐来了！手把手教你如何科学地构建回归模型！

2.一文汇总三大回归的基本应用条件、诊断与处理方法

3.回归分析时何时设置哑变量？如何设置？

4.当回归分析模型遇到连续型自变量，我该怎么办？

5.吃巧克力预防高血压？一文学会P trend计算，掌握趋势性分析

6.你只会“先单后多”吗？如何筛选自变量建立多因素回归模型

7.你认识它吗？--有向无环图（DAG）：回归分析中自变量筛选的指导思想

8.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？

9.控制混杂偏倚的回归自变量筛选法，强烈推荐Change-in-Estimate法

10.回归分析筛选自变量，不推荐逐步回归法?那我应该怎么办？

11.回归分析时，单因素P<0.05，而多因素却没有意义，我该如何是好？

12.一个困扰已久的问题：回归分析样本量如何确定？

应该说，这一系列不够完整，感觉还差一两篇。不过对于大多数人来说，足够学习了。这一系列大致完整地告诉诸位，如何避免简单粗暴地开展回归分析，而根据一定的条件与场合去建立回归模型。

现在，我帮助大家来梳理一下，方便有兴趣者学习

建立回归分析的第一个要考虑的是，回归分析的条件。对此，我首先和大家讲述线性回归、logistic回归、Cox回归的条件。

一文汇总三大回归的基本应用条件、诊断与处理方法

在应用条件中，回归分析两类自变量需要值得大家关注。第一种，当变量是无序分类变量时，大家需要考虑哑变量的设置问题：

回归分析时何时设置哑变量？如何设置？

第二种情况，当变量是定量变量时，考虑的策略很多，既可以考虑哑变量设置、也可以进行趋势性检验分析，或者什么都不考虑，直接纳入自变量进入模型。

当回归分析模型遇到连续型自变量，我该怎么办？

吃巧克力预防高血压？一文学会P trend计算，掌握趋势性分析

如何挑选自变量进入模型呢？

接下来，如何纳入自变量进入模型呢？一般来说，回归模型的自变量不能太多。这主要由于自变量太多而模型样本量不大时，模型可能无法成功建立起来。因此回归分析一方面对样本量有要求：

一个困扰已久的问题：回归分析样本量如何确定？

另一方面，限制自变量进入模型。如何限制？基本原则是“大道至简”、“严进严纳”，即要求纳入模型的自变量，不用太多，留在模型的自变量也应该控制在一定水平内。下面这篇文章进行了总的介绍：

你只会“先单后多”吗？如何筛选自变量建立多因素回归模型

在自变量控制与筛选中，可以采用DAG、先单后多、效应改变法、逐步回归法、多模型法帮助我们完成这一任务。

回归分析包括研究影响因素、控制混杂、预测与分类三大目的。不同的回归分析目的有不同的回归筛选方法。本系列文章就前两者的回归策略我做了介绍，这里做一个梳理与总结。

如何研究影响因素？

所谓“研究影响因素”，一般为探索性的研究。面对健康问题，我们掘地三尺，希望能够从我已经拿到的变量中，找到与影响健康问题发生、发展、转归的因素。这些因素五花八门，包括个体特征、生活方式、生活环境、临床诊疗、心理特征等。这些因素，又是分层次的，存在着远因与近因，远因对健康结局有影响，而且可能通过近因而发挥作用，因此，近因又可能是中介变量。

因此，研究影响因素为目的的回归，中介变量是需要考虑的问题。考虑中介变量的方式，就是建立因果关系链，即DAG理论：

你认识它吗？--有向无环图（DAG）：回归分析中自变量筛选的指导思想

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？

因此，研究影响因素路径，第一步工作是，建立DAG图谱，大致建立各自变量与结局、各自变量与各自变量直接的因果关系。

研究影响因素路径，第二步工作是，挑选合适的变量进入模型。方式有三种，第一种，排除中介变量，直接挑选理论上与研究结局因果关系明确的自变量进入模型。第二种，先单后多方法。先单因素分析，然后再排除中介变量，挑选单因素回归分析P值较小者纳入模型，开展多因素回归分析。第三种，多模型法分析：至少建立2个模型，有中介变量的模型和没有中介变量的模型开展回归分析。这样的做法既可以排除中介变量看远因，也可以分析中介变量(即近因）的影响。

研究影响因素路径第三步工作是，考虑在多因素回归过程中，剔除多余的自变量。这一步不是必选项，一般情况下，在样本量足够大且自变量个数不多时，不考虑。当然，如果模型纳入模型自变量实在仍然很多，可以采用逐步回归法进行分析，而一般情况下，不推荐逐步回归法。

回归分析筛选自变量，不推荐逐步回归法?那我应该怎么办？

如何控制混杂偏倚呢？

控制混杂偏倚的目的其实也是探讨影响因素，只不过在该目的中，我们不再将爱泛化，而是钟情于1、2个自变量，其它变量可能是混杂偏倚，需要通过模型进行控制的。

控制混杂偏倚路径，第一步工作是同样是建立DAG理论，大致地分析，哪些是混杂变量，哪些可能又是中介变量。中介变量虽然不是混杂变量，但仍然是我们需要重点考虑的。

控制混杂偏倚路径，第二步工作是，纳入自变量进入模型，大致地方法也有以下几种，第一，如果自变量不多，在排除中介变量后，直接纳入所有自变量与目标变量进入回归分析模型；第二，在排除中介变量后，采用效应改变方法开展回归分析

控制混杂偏倚的回归自变量筛选法，强烈推荐Change-in-Estimate法

第三，先单后多方法。先单因素分析，挑选潜在混杂变量。这个单因素分析，一般可以通过与目标自变量的关联性分析，或者与结局变量的关联性分析，考虑是否是可疑的混杂因素（当P<0.05是为潜在混杂因素）（写医学研究SCI文章，不能不了解混杂因素与混杂偏倚！）；挑出P<0.05者，在排除中介变量后，连同目标变量，纳入多因素回归分析模型。第四种方法，如果自变量太多，可以考虑先单后多与效应改变法的结合。

控制混杂偏倚路径，第三步工作是多因素回归分析后，排除多余自变量。这一步，可以省略，因为控制混杂偏倚一般不建立采用逐步回归方法进行分析。如果纳入多因素回归的自变量个数有点多，构建模型很吃力！建立采用倾向得分方法进行分析。

最后，无论是研究影响因素，还是控制混杂，都会存在令人困惑地方，即单因素回归分析P<0.05，而多因素回归P>0.05，不再具有统计学意义。这个时候，郑老师也提供了相应的策略帮助大家理解结果：

回归分析时，单因素P<0.05，而多因素却没有意义，我该如何是好？

总结

回归模型不能在简单粗暴、一下子将自变量直接全部纳入多因素回归分析，或者直接先单因素后多因素了！这只会“garbage in、garbage out”。

努力建立一个有灵魂的回归模型吧！

整个系列，我也有很多内容没有叙述，比如对于自变量 与应变量非线性关系，如何建立非线性回归呢？对于自变量或者应变量出现异常值时，如何处理呢？对于控制混杂偏倚，倾向得分法其实可以讲讲的。上述这些内容，我将择时，再专门进行介绍，到时候欢迎学习。

对于上述清单？你有何感想？如果有有更好的内容建议，请留言！

支持郑老师，

快来点击“分享”吧