郑卫军王晓燕王 憓

基于因果关系图进行多因素回归分析的变量筛选*

郑卫军1△王晓燕1王 憓2

在流行病学研究中，常见的是采用建立线性或者logistic回归的方法分析两种或者多种现象之间的因果关系。观察性的研究中，研究者期望分析某种健康/疾病产生的多种原因，因此在构建线性或者分类回归（如logistic）模型上，往往采用同时纳入多种变量的方式模拟真实场景来分析这种健康/疾病现象产生的可能原因；临床试验中，虽然研究者主要关注干预或者实验措施的有效性，但是多因素回归模型往往也是最受欢迎的统计学方法。

存在的变量选择问题

由于回归分析方法的积极作用和其使用的相对简单性，采用多因素线性回归特别是logistic回归分析的论文汗牛充栋，研究人员乐此不彼，但是由此产生了大量滥用、错用、误用的论文［1］，即便是国家级核心期刊也无法幸免。纵观文献，鉴于本文主要关注的是模型变量筛选问题，从变量筛选方面来看，最大的问题是很多论文希望能够更加真实地模拟现实状况，把回归方程建成一个庞大的因果关系体系。因此，一个模型往往包括十几个甚至数十个自变量。由此产生很多问题［2-3］，如：①由于样本量有限，造成模型系数的标准误过大，②多重共线性的问题普遍存在，③大量多余的变量纳入到模型中，最终导致模型拟合效果较差，所构建的模型无法反映真实状况。针对这种情况，很多学者也提出了一些建议［2，4］，包括调整样本量与模型自变量数量的比例、处理多重共线性、设置纳入变量的标准（如单因素分析中P值小于一定水平的变量纳入到多因素回归模型）。……