正确使用多元线性模型.PDFVIP

1 1）这里指的多元线性模型，是广义线性模型，应变量（Y）的分布类型可 以是：正态分布（gaussian）、两分类分布（binomial）、泊松分布、负二项 分布等，不同的分布类型对应不同的联系函数f(Y)。 2）广义线性模型有这两大常用用途。需要注意的是用途不同，构建模型的 方法完全不同，对模型的解读完全不同。很多人对此不甚理解，因此常常用一 种逐步回归方法构建模型，对结果也不知道怎么解读，有很多混淆。这个教程 的目的旨在帮助大家理清这个问题。 2 首先看广义多元线性模型的第一大用途，也是论文库中最常见的用途。 什么是独立作用？这里先不做解释，请大家先顾名思义，等后面讲完了独立 作用的评价，相信大家就理解了。 为什么要评价独立作用呢？它有什么意义？请看下面这个片子：比较论文的 结论看论文的科学价值。 3 一篇关于危险因素X与结果Y 的关联关系分析的文章，关键是要把X与Y 的关系说清楚了。 不在乎内容多少，而在乎有没有说清楚。怎么才算把X与Y 的关系分析清楚了呢？如研 究肥胖与高血压关系，我们比较一下论文中可能的几种结论(从下往上看)： 1. 胖子与瘦子相比，收缩压有显著差别，P0.005。这个结论是用t检验比较两组均数 得出来的。这有没有说清楚呢？没有。 2. 体重指数与收缩压，非常显著相关，P0.0001。这是用相关分析做出来的。这有没 有说清楚呢？也没有。 上面这两个结论，统计上都有非常显著的意义，但有没有临床指导意义呢？它告诉 我们降低体重能降低血压吗？能降多少？这些信息都没有。 3. 体重指数每增加1kg，收缩压增加0.01 mmHg ，P0.00001。这是用回归方程做出来 的。统计上非常显著。它也告诉我们，每降低体重1公斤，能降低血压0.01 mmHg ，这 个0.01就没有临床意义了，因为控制体重能导致的降压幅度太小。另外这个0.01里面有 没有其它因素的作用在内呢？不知道。 4. 在控制了其它因素的作用下，体重指数每增加1kg，收缩压增加1mmHg，95%可信 区间0.7-1.3mmHg，根据可信区间知统计上显著。而且每降低体重1公斤，能降低血压 1mmHg，有临床应用价值。这个结果是用多元回归方程做出来的，控制了其它因素的 作用，得出的回归系数1mmHg是体重指数对收缩压的独立作用。可以想象当临床上遇 到一个高血压并肥胖的病人，根据这个结果就可以告诉他仅降低体重这一项就能降低 血压多少，如果病人又吸烟又饮酒，可根据相应的文献告诉他，如果戒烟又能降低血 压多少，戒酒又能降多少，这就是临床价值的体现。 比较这些结论，理解统计意义与临床意义的关系，从而理解如何提高一篇论文的科学 价值。上面这些结论中，有t检验得出的、相关分析得出的、回归分析得出的。回归分 析，给出有临床意义的回归系数，而且可以控制其它因素，分析X对Y 的独立作用，掌 握回归分析非常必要。 4 独立作用是如何通过回归分析来进行评价的呢？ 先看看这个分析：这里比较了吸烟与身高的关系。看图知吸烟的人比不吸烟 的人身高高。单因素回归分析得出回归系数为0.092 ，即吸烟者比不吸烟者高 9.2cm ，P值小于0.001 。那是不是就可以说吸烟影响身高呢？再看看进一步的分 析： 5 进一步按性别（男、女）分开来看：左边是男性，右边是女性，男性身高比 女性高；男性里，吸烟者与不吸烟者身高没有多大差异；女性里，吸烟者与不 吸烟者身高也没有多大差异。 再看看不吸烟者(red)中219个是女性，57个是男性，也就是说不吸烟者主要是 女性；吸烟者（blue ）中139个是男性，只有7个是女性，也就是说吸烟者主要 是男性。 这里看到性别与吸烟（X ）有关，又与身高（Y ）有关，因此构成混杂。也就 是说前面观察到的吸烟者与不吸烟者身高的差异9.2cm里有性别的作用在内。用 多元回归模型，