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？
昨天有有个朋友问我，回归分析单因素P好多 <0.05，而多因素只有1-2个小于0.05，如何是好。所以我翻箱倒柜找找我两年前写得材料，给大家看看。
先单后多，最令人沮丧的，莫过于单因素P<0.05，而多因素大多数没有统计学意义，甚至一个都没有。这可怎么办！！怎么回事！！不仅如此，有些时候单因素>0.05，多因素可以出现统计学差异的惊喜局面哦。
1
单因素、多因素结果矛盾原因
这种情况的原因是什么？大概原因包括：
（1）多因素回归自变量个数太多，样本量不够，建模失败
（2）存在着混杂变量
（3）存在着中介变量
（4）存在着交互效应
（5）排除中介变量后，存在着其它多重共线性
主要的原因是存在着混杂变量和中介变量。
2
单因素、多因素结果矛盾如何处理
如何处理？
当然，最重要的是，在多因素回归分析之前，厘清好各变量的因果关系。对！借助DAG的方法能够形成相应的因果网络。
但是，DAG构建并不是那么容易，更多的时候，我们需要借助统计方法，来绘制DAG的连接线
我觉得可以尝试，“两因素建模法”和“去因子建模法”来探索自变量为什么先单后多结果不一致。
两种方法原理相似，他们的关系如同逐步回归法中的“向前逐步”和“向后逐步”方法。也非常容易理解
3
“
两因素建模法
”案例分析
例1： Hosmer和Lemeshow于1989年研究了低出生体重婴儿的影响因素，结果变量为是否娩出低出生体重儿，考虑的自变量有产妇妊娠前体重、产妇年龄、种族、是否吸烟、早产次数、是否患高血压等。（数据文件见：logistic_step.sav。）
本文，关注两个变量，吸烟与早产次数
首先是单因素回归分析的结果：
在所有结果中，随访次数，没有统计学意义，因此多因素排除在外，剩下的全部纳入多因素回归分析（P<0.2）。结果如下：
详情请点击下方：
https://mp.weixin.qq.com/s/nBsU6tZGipuuBikwBoA32g
