回归分析时，一定要单因素回归P<0.05的自变量纳入多因素回归吗？

回归分析是医学研究最重要的手段，其中目的是探讨多因素情况下，各个因素的独立效应。那么，困惑诸多分析者的问题是，无论是医院的电子病历、还是调查研究，均涉及到几十个甚至上百个研究因素（我们称之为自变量），如何筛选构建一个多因素回归模型呢？

也就是说，多因素回归时，到底哪些变量作为自变量呢？

筛选自变量，最简单的方式、也最常见的方式是“先单因素后多因素法”，即先开展单因素回归，筛选出P值较小者一起纳入多因素回归模型。这种方法，郑老师上课也推荐给非统计学专业的医学生，不是说它是最好的方法，而是它最简单粗暴、最容易上手。

我今天要回答一个问题是，单因素分析后，P值小于多少，才被纳入回归模型？是P<0.05吗？

一、研究案例

这是一项关于胰腺癌病人生存时间的研究。该研究的终点为死亡，此外结局指标还包括生存时间。跟结局有关的研究变量较多，本文分析主要目的是探讨影响因素，也就是影响胰腺癌病人生存时间的因素有哪一些？

二、先单因素、再多因素的统计方法

中国研究者最常见的回归方法就是先单因素、再多因素

第一步，对上述变量均分别采用单因素回归方法。结果如下表2，性别、胰胆管浸润程度、占位数均无统计学差异，手术年龄、术中化疗、有无腹膜转移和TNM分期有统计学差异（P<0.05）

第二步，挑选P值较小者，纳入多因素回归模型。本案例挑选P值较小者（P<0.05）的变量：手术年龄、术中化疗、有无腹膜转移和TNM分期，将其纳入回归模型中。

第三步，采用向前逐步回归法（Forward），开展多因素分析。结果见表3。最终构建的模型中包括了手术年龄、术中放疗和TNM分期，且各因素与生存时间之间均有统计学意义（P<0.05）。

三、为什么要先单后多

比如，现在研究要评价结胰腺癌患者生存的影响因素（后期来构建预测模型），与患者有关的因素包括患者的基本情况、患者病情、患者入院治疗、用药的各种特征、出院后行为、饮食、以及就诊特征，可能各因素都会影响生存结局。

研究影响生存结局的因素可以构建多因素COX回归模型。构建COX回归模型时，是要同时把所有自变量（也就是原因变量）纳入回归方程吗？

当然不能，理由如下：

（1）这些因素作为自变量放在一起，各个变量的复杂的关系，比如共线性问题，比如存在着中间变量，可能会导致模型构建失败。

（2）任何一个回归模型，往往基于有限样本量构建。样本量和纳入模型自变量数量息息相关，太多变量而样本量不足时，同样模型构建失败。因此，回归分析一般对样本量有要求。

（3）回归分析探讨影响因素，后期是为了构建预测模型，自变量个数也不能太多。为什么，预测模型是为了后期预测患者结局，需要采集模型所有的自变量的指标值，测定指标需要成本，自变量个数越多，则预测成本越高。

因此，必须筛选为数不多、合适的变量进入回归模型。总的来说，我用一个形容词来说回归模型构建的理念：“大道至简”。模型不要太复杂！

在具体的处理上，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，没有多大意义的别在最终模型中来。

四、P<0.05才被纳入模型吗？

大家从第三点可以理解原因：主要就是怕自变量太多而又关系太复杂，样本量不够多，模型构建失败。一个线性回归模型，需要5-10以上的样本量；logistic需要10-15倍的样本量。那么有限的样本量，你不能一下子把所有的感兴趣的变量全部放进去，那样肯定无法成功形成回归模型，造成多因素好回归所有的P值都>0.05。

所以才去的措施是：严纳！挑选少量的自变量进入模型。严纳的方式很多，对于初学者，简单粗暴而且被认可的方法就是把单因素分析P值较小者纳入到回归模型中来。

所以，一定要P值小于0.05才纳入进来吗？不是的！

（1）很多变量虽然单因素回归分析P>0.05,也有可能多因素回归P<0.05。所以，不能就卡在0.05的界限。个中原因我就不多说了！

（2）如果你的自变量非常重要，特别是核心变量，哪怕单因素分析P较大，也值得多因素回归放进去分析

（3）很多时候自变量个数也就是3~5个，而样本量较大，这个时候根本不怕自变量太多，没有必要先单因素后多因素。

因此，我把情况分为以下几种，仅供参考：

第一种：全部纳入

这种方法要求自变量较少，自变量之间关系简单，多重共线性不严重。一般情况下，自变量个数不太多（比如少于10个），且样本量是自变量个数20倍以上，可以采用本方法。

第二种方法：单因素筛选纳入（P值较小者，P<0.2或者<0.1）

这种方法要求自变量不是那么多，但样本量也不是那么大，因此可以考虑先单因素后多因素回归的方法。P值不要过于严格，一般P<0.2就可以了！

第三种方法：单因素筛选纳入（P值较小者，P<0.05）

这种方法出现在自变量非常多几十个上百个，单因素分析P<0.05者超过10个以上（P<0.2的自变量更多了）。这种情况下，严格控制多因素回归自变量个数。P<0.05者纳入多因素回归分析中。

五、特别注意

1.上述的方法是本人统计分析习惯，没有特别的指导文献，请谨慎采纳。

2.“先单后多”的回归方法是初学者模式，若您要发表高水平文章，有更多的选择。详情可见下面的系列文章，会让你大开眼界！

12篇文章，手把手教你如何科学地构建回归模型！

3. “先单后多”的单因素分析，并不是一定要单因素线性回归或者单因素logistic回归，单因素线性回归可以用t检验或者F检验代替；单因素logistic回归可以用卡方检验代替。

详细可见下面链接学习：

两组均数比较，可以用方差分析吗？谈谈结果一样的那些统计方法。

4.本篇文章是本人回归原则“严进严纳”的上篇，下篇我将介绍严纳：要不要使用逐步回归法！