logistic回归中的自变量筛选方法（逐步回归vsLASSO）.docxVIP

logistic回归中的自变量筛选方法（逐步回归vsLASSO）

引言

在生物统计、流行病学、社会科学等领域的研究中，logistic回归是分析二分类因变量与多个自变量关系的核心工具。然而，实际研究中常面临“变量过多”的困境：一方面，研究者可能纳入数十甚至上百个自变量（如基因标记、环境因素、行为指标等），导致模型复杂度激增；另一方面，冗余变量不仅会降低模型解释力，还可能引发多重共线性、过拟合等问题，影响预测准确性（HosmerLemeshow，2000）。因此，自变量筛选成为logistic回归建模的关键环节。

当前，逐步回归与LASSO（LeastAbsoluteShrinkageandSelectionOperator）是应用最广泛的两种筛选方法。逐步回归基于统计显著性检验逐步增减变量，操作直观且符合传统统计思维；LASSO则通过正则化技术压缩系数，在高维数据中表现出独特优势。二者虽目标一致，但理论基础、筛选逻辑与适用场景差异显著。本文将从基本原理、核心差异、应用场景三个层面展开对比分析，为研究者选择合适方法提供参考。

一、基本原理：从统计检验到正则化的路径分野

（一）逐步回归：基于显著性检验的“动态筛选”

逐步回归的核心逻辑是通过统计检验（如Wald检验、似然比检验）动态调整自变量集合，最终保留对因变量有显著影响的变量。其操作可分为前向选择、后向剔除与双向逐步法