危險因素篩選或探索是醫(yī)學(xué)研究中的一大類目的，很多
臨床醫(yī)生都會通過已有的數(shù)據(jù),，確定一個醫(yī)學(xué)結(jié)局,，然后分析這一結(jié)局跟哪些因素有關(guān)，或者說,，哪些因素可能是該結(jié)局發(fā)生的獨立
影響因子,。
危險因素的探索分析過程，說簡單就簡單,，說復(fù)雜也很復(fù)雜,。說簡單，是因為很多人習(xí)慣把數(shù)據(jù)往軟件里一扔,，因變量放到因變量的地方,，自變量拖到自變量的地方，運行,，出結(jié)果,，結(jié)束。說復(fù)雜,，是因為往往上述的這種分析方式,，其實很多都有問題，因為統(tǒng)計分析最關(guān)鍵的不是軟件,，而是使用軟件的人,。
本文根據(jù)作者多年的分析經(jīng)驗，說一下危險因素探索分析中的3個關(guān)鍵問題,，希望以此提醒各位朋友,，在數(shù)據(jù)分析時，不要一味依賴軟件,。軟件主要是幫你計算,，思路是無法替代的,。
沒有一個明確的分析思路,，只能導(dǎo)致garbage in， garbage out 這種悲慘結(jié)局,。關(guān)鍵的問題是,，很多人即使得到了garbage的結(jié)果，卻懵然不知,，還以為發(fā)現(xiàn)了真理,。這才是最大的悲哀,。所以本文特地介紹幾個在危險因素探索過程中比較關(guān)鍵的3個問題，希望對各位有所幫助,。
一,、線性問題
不管是線性回歸還是logistic回歸或Poisson回歸，他們都屬于廣義線性模型,，本質(zhì)上都是“線性模型”,，因此一定要確認自變量與因變量（logistic回歸中為logit P）之間是否線性關(guān)系，如果不是,，需要考慮進行相應(yīng)的變換,，否則可能會產(chǎn)生錯誤結(jié)果。
例1：某研究分析老年人
高血壓（二分類變量,，是或否）的危險因素,，研究因素包括gender、age,、ox-LDL,、Adiponectin、ox-LDL IgG和ox-LDL IgM 共6個指標,。其中g(shù)ender為二分類變量,，其余變量均為連續(xù)變量。如果把這6個自變量直接納入統(tǒng)計軟件分析,，所得結(jié)果如表1所示,。
可以看出，這6個變量均無統(tǒng)計學(xué)意義,。然而對數(shù)據(jù)重新分析后發(fā)現(xiàn),，并不是這些變量對結(jié)局均無影響，只是未能發(fā)現(xiàn)它們之間的真實關(guān)系而已,。經(jīng)仔細觀察,，發(fā)現(xiàn)age和 ox-LDL IgM 對結(jié)局的影響是有統(tǒng)計學(xué)意義的，但不是線性影響,，而是二次項關(guān)系（表2）,。
這提醒我們，不僅僅是線性回歸需要看自變量與因變量的線性,，logistic回歸也需要考慮,，雖然logistic回歸中不像線性回歸可以用散點圖那么直觀，然而logit p與自變量的關(guān)系仍需要考慮是否線性,。如果不是,，你的結(jié)果恐怕就有問題。
二,、共線性問題
共線性簡單來說就是自變量之間存在高度相關(guān),，從而導(dǎo)致結(jié)果不可靠,。共線性是大多數(shù)回歸模型都需要考慮的一個問題，一旦發(fā)現(xiàn)該問題,，需要采取不同措施來解決,。常見的解決方案包括刪除某一自變量、主成分分析,、Lasso回歸等,。
例2：某研究分析乳腺增生的危險因素，自變量同時包括妊娠次數(shù)（三分類變量,，用1,、2、3表示相應(yīng)次數(shù)）和流產(chǎn)次數(shù)（三分類變量,，用0,、1、2表示相應(yīng)次數(shù)）,。
在單因素分析中妊娠次數(shù)有統(tǒng)計學(xué)意義（2 vs. 1,，P=0.0258；3 vs. 1,，P=0.0354）,，然而多因素分析中變得無統(tǒng)計學(xué)意義（P值分別為0.6351、0.5942）,。
分析原因發(fā)現(xiàn),，主要是由于妊娠次數(shù)和流產(chǎn)次數(shù)有較強的共線性，二者相關(guān)系數(shù)高達0.55,，從而導(dǎo)致妊娠次數(shù)變得無統(tǒng)計學(xué)意義,。解決方案采用了刪除法，刪除妊娠次數(shù)變量,，保留了流產(chǎn)次數(shù)變量,。
多數(shù)軟件都可以實現(xiàn)線性回歸的共線性
診斷，logistic回歸則不一定有相應(yīng)選項,。實際上無所謂,，因為共線性只是針對自變量的，因此即使logistic回歸分析,，仍可以用線性回歸的共線性
診斷工具,，判斷自變量之間是否存在共線性。
關(guān)于共線性的判斷,，有很多種方法,，后續(xù)會慢慢再說。但是必須先提醒一點,，共線性的判斷,，不建議根據(jù)某一固定值，大于或小于多少就有共線性,，否則就沒有共線性,。根據(jù)我個人的多年分析經(jīng)驗，這種方式很不可靠,。當(dāng)然,，這些問題在后續(xù)文章中詳細再說，這里先做一簡單提醒,。
三,、單因素和多因素的問題
對于危險因素篩選，不少人的分析思路是：先進行單因素分析,，將單因素分析中有統(tǒng)計學(xué)意義（P<0.05）的變量再納入多因素分析,，選出最終有統(tǒng)計學(xué)意義的變量作為危險因素。
然而這一思路并非十分可靠,，有些情況下可能會出現(xiàn)單因素分析無統(tǒng)計學(xué)意義而多因素分析有統(tǒng)計學(xué)意義的情況,，此時就容易漏掉某些重要的因素。
例3：某研究分析兩個血清學(xué)指標（分別用陽性和陰性表示）對
胃癌的影響,，數(shù)據(jù)結(jié)果如表3所示,。
該數(shù)據(jù)采用單因素分析的話，可以發(fā)現(xiàn)x1并無統(tǒng)計學(xué)意義（P=0.114）,，而在多因素分析中卻變得有統(tǒng)計學(xué)意義（P=0.018）,。如果只將單因素分析中有統(tǒng)計學(xué)意義的變量納入多因素分析的話，就會漏掉x1變量,。為什么會出現(xiàn)這種情況,，主要是因為x1和x2之間存在負相關(guān)，而x1,、x2與結(jié)局之間均為正相關(guān),。
關(guān)于這一問題，在前面的文章中（“先做單因素,，有意義的做多因素”,，這種思路對嗎？）已有專門提到,，大家可以再回去復(fù)習(xí)一下,。不過當(dāng)時那篇文章用的是一個連續(xù)變量舉例，可能有的人看的不夠直觀?，F(xiàn)在這個例子是分類變量,，看起來可能更直觀一些。
給大家的建議是,，數(shù)據(jù)分析過程中,，不要盲目套用所謂的“分析套路”,，而應(yīng)結(jié)合實際情況具體問題具體分析。
正如統(tǒng)計學(xué)界一句很流行的話“所有的模型都是錯誤的,，但是有一些是有用的”,。我也想說“所有的分析套路都可能是錯誤的，但有些是可以參考的”,。為什么這么說呢,？因為統(tǒng)計分析太靈活了，絕對找不出一個適用于任何數(shù)據(jù)分析的所謂套路或模式或步驟,，然而,，有些過程的確是可以參考，可以幫助我們探索一些問題,。
