统计咨询：为什么我不建议随便用逐步回归法构建回归模型？
2023年以来浙中医大学郑老师开设了一系列医学科研统计课程，零基础入门医学统计包括R语言、meta分析、临床预测模型、真实世界临床研究、问卷与量表分析、医学统计与SPSS、临床试验数据分析、重复测量资料分析、结构方程模型、孟德尔随机化等10门课，如果您有需求，不妨点击下方跳转查看：
2023年郑老师多门科研统计课程：多次直播，含孟德尔随机化方法
先说我的建议
（1）如果你构建预测模型，逐步回归法可以用。
（2）如果你只是是探讨影响因素，尽量不要用逐步回归法。你觉得自变量太多，那么在单因素分析时候就限制（P值较小者纳入多因素回归），而不是逐步回归法控制。
下文说理由：
现在很多人知道，回归分析要么用来探讨影响因素，要么可以用来构建预测模型。但是构建预测模型的文章毕竟少数，绝大多数只是为了探讨影响因素。
目前无论是哪个目的，国内很多人开展统计分析，构建回归模型筛选自变量，都喜欢用逐步回归法(向前、向后、双向）。我不知道是哪里的统计学教育出问题了，还是就是因为统计学老师自己都没有搞清楚？
事实上，逐步回归法是是给构建预测模型用的，不是探讨影响因素用的。它的目的是用最少的因子，成功构建出不差于全变量模型（通过用R^2、-2倍对数似然值或者AIC等指标评价拟合效果），也就是通过软件的方法，筛选出有用的自变量，其拟合效果不差于全部自变量放入模型，而且较少的自变量个数有利于模型的构建（回归模型样本量对自变量个数有限制）。
但只是探讨探讨影响因素而非构建预测模型时，逐步回归法有什么优势？
（1）有人说，逐步回归法可以减少冗余的自变量
其实，这不是好的解决办法。冗余的自变量有两套解决方案。
第一，我们构建回归时候，在考虑哪些可能的影响因素时，就应该慎重考虑，不是所有阿狗阿猫都作为候选自变量开展回归分析，与结局变量“拉郎配”。
只有与结局变量可能存在着因果关系的变量，才推荐开展回归分析。这一点，是需要从专业上去考虑的。
第二，在统计分析的时候，若自变量个数很多，在单因素分析时就卡关，不随便纳入自变量进入最终的多因素回归模型。一般单因素分析P值较小者纳入回归模型。
（2）逐步回归法可以把没有统计学意义的自变量淘汰出去，它们不应该留在模型中
这种理解是不对的！多因素回归可以允许P值大于0.05的自变量留在模型并报告出来吗？当然可以。而且也推荐呈现在最后报告中，以展现哪些有统计学意义，哪些没有统计学意义。
（3）逐步回归法效果更好
不见得。逐步回归法优点在于把对因变量影响较小的都淘汰掉，自变量个数减少了，所以留在模型的自变量效应会增强！看起来变美好了。
这个前提是你自变量实在太多了。但是，这种情况是不多见的。如果回归分析放入太多的自变量，那么逐步回归法也挽救不了你。
（4）有人说，逐步回归法可以处理多重共线性
很多时候，由于自变量存在着高度相关。这个时候，连教科书都推荐试试逐步回归法呀！
这种做法其实很要命！这是一种完全无视数据特点，强行胡乱进行自变量筛选的一种方法。
为什么有多重共线性？多重共线性往往由于变量之间存在着关联性，这种关联性有几种情况：
第一，这个变量是混杂变量，由于混杂变量与自变量相关，所以造成部分共线性
第二，这个变量是中介变量，中介变量也会造成自变量相关第三，变量是同个东西。比如年龄这一定量变量和根据年龄进行分组产生年龄的等级变量，那么原先的年龄定量数据和等级变量的年龄就是高度相关，如果它们一同纳入模型，就会造成共线性第四，一个事物的两个属性，比如身高与坐高，相关高度相关，如果，如果他们一同纳入模型，就会造成共线性
实际上，除了第一点之外，我们在处理多重共线性时，典型的方法是排除造成多重共线性的变量。比如身高坐高在回归分析应该2选1，定量年龄和分类年龄应该2选1，中介变量不能纳入模型。
详情请点击下方：
https://mp.weixin.qq.com/s?__biz=MzAwOTYyMDY3OQ==&mid=2650404618&idx=4&sn=56c3315b1ca3a60c9ee56afae1f92103&chksm=83518aa2b42603b4642e9600e1daaf151e7cbdc866e4c683eeebd45a4c03ff61dfff2bb90203&token=1579182731&lang=zh_CN#rd
2023年统计服务
