科乐吉林麻将 下载|微乐吉林麻将小鸡飞蛋下载
加載中........
×

Logistic回歸分析中,連續型變量OR值太大,是什么原因?

2019-8-22 作者:不詳   來源:網絡 我要評論0
Tags: Logistic回歸  OR  

Logistic回歸是臨床研究中最常見的多因素分析方法之一,但是,各類問題也十分多見的。其中有一個問題經常困擾,即分析時發現某個變量的OR值過大的問題。一般來說,大部分情況,一個因素對結局的影響都不可能過大(因為,都是各種因素的綜合效應)。如果是超大樣本分析中,OR值很少有超過2的。

而在日常分析中,OR經常會達到10以上,甚至100以上,這是什么回事呢?看一個案例:



下面是幾種處理方法,你認為呢?

1、改一下X(連續性自變量)的單位即可,例如X是身高,原來單位是m,那么得出來的OR表示每增加1m的危險比。現在把它換成cm, 得出來的則是每增加1cm的危險比了。OR就小多了。

2、建議對連續型變量進行分段處理,轉變為分類變量試試!

3、如果其結果和臨床相差太大可能是樣本收集問提或共線性問題。

4、更要防止數據本身的問題:

  • 該變量某一類的例數特別少,如性別,男性有100人,女性有2人,可能會出現這種情形。

  • 空單元格(zero cell count),如性別與疾病的關系,所有男性都發生了疾病或都沒有發生疾病,這時候可能會出現OR值無窮大或為0的情形。

  • 完全分離(complete separation),對于某自變量,如果該自變量取值大于某一值時結局發生,當小于該值時結局都不發生,就會出現完全分離現象。如年齡20~、30~、40~、50~四個年齡段,如果40歲以上的人全部發生疾病,40歲以下的人全部不發病,就就產生了完全分離現象,也會出現一個大得不可理喻的標準誤。

  • 多重共線性問題,多重共線性會產生大的標準誤。

  • 樣本量過小,變量過少,導致其中一個變量與結局的關聯度過高。




小提示:78%用戶已下載梅斯醫學APP,更方便閱讀和交流,請掃描二維碼直接下載APP

只有APP中用戶,且經認證才能發表評論!馬上下載

web對話
科乐吉林麻将 下载 开元盛世棋牌 游戏 排列三村支书两组七码复式预测 极速十一选五微信群 69棋牌官网 湖南体彩幸运赛车开奖 注册送18彩金棋牌娱乐 时时彩码公式 老k棋牌每天送6元 世界著名股票指数 什么是双色球红球012