點選學習全部醫學統計學與SPSS教程
如何科學地建構回歸模型系列 1.一道饕餮大餐來了！手把手教你如何科學地建構回歸模型！ 2.一文彙總三大回歸的基本應用條件、診斷與處理方法 3.回歸分析時何時設定啞變量？如何設定？ 4. 當回歸分析模型遇到連續型自變量，我該怎麼辦？ 5. 吃巧克力預防高血壓？一文學會P trend計算，掌握趨勢性分析 6. 你隻會“先單後多”嗎？如何篩選自變量建立多因素回歸模型 7. 你認識它嗎？--有向無環圖(DAG)：回歸分析中自變量篩選的指導思想 8. 中介變量一直很重要，一直被忽視！如何在回歸分析中考慮中介變量？ 9. 控制混雜偏倚的回歸自變量篩選法，強烈推薦Change-in-Estimate法 10 回歸分析篩選自變量，不推薦逐漸回歸法?那我應該怎麼辦？
SPSS教程44 單、多因素回歸結果結果沖突的處理方法
這一篇接着介紹先單後多的統計模組化方法。
先單後多，最令人沮喪的，莫過于單因素P<0.05，而多因素大多數沒有統計學意義，甚至一個都沒有。這可怎麼辦！！怎麼回事！！不僅如此，有些時候單因素>0.05，多因素可以出現統計學差異的驚喜局面哦。
1
單因素、多因素結果沖突原因
這種情況的原因是什麼？大概原因包括：
(1)多因素回歸自變量個數太多，樣本量不夠，模組化失敗
(2)存在着混雜變量
(3)存在着中介變量
(4)存在着互動效應
(5)排除中介變量後，存在着其它多重共線性
主要的原因是存在着混雜變量和中介變量。
2
單因素、多因素結果沖突如何處理
如何處理？
當然，最重要的是，在多因素回歸分析之前，厘清好各變量的因果關系。對！借助DAG的方法能夠形成相應的因果網絡。
但是，DAG建構并不是那麼容易，更多的時候，我們需要借助統計方法，來繪制DAG的連接配接線。
我推薦的方法是，“兩因素模組化法”和“去因素模組化法”來探索自變量為什麼先單後多結果不一緻。
兩種方法原理相似，他們的關系如同逐漸回歸法中的“向前逐漸”和“向後逐漸”方法。也非常容易了解。
3
“
兩因素模組化法
”案例分析
例1： Hosmer和Lemeshow于1989年研究了低出生體重嬰兒的影響因素，結果變量為是否娩出低出生體重兒，考慮的自變量有産婦妊娠前體重、産婦年齡、種族、是否吸煙、早産次數、是否患高血壓等。(資料檔案見：logistic_step.sav。)
本文，關注兩個變量，吸煙與早産次數
首先是單因素回歸分析的結果：
在所有結果中，随訪次數，沒有統計學意義，是以多因素排除在外，剩下的全部納入多因素回歸分析(P<0.2)。結果如下：
結果發現，單因素分析中，種族是沒有統計學差異，多因素P<0.05! 早産次數，應激性單因素有統計學意義，多因素P>0.05! 此外，吸煙、高血壓的效應值(exp(B)即OR值)都在增大，這是為何？
我現在采用“兩因素”分析法，一探究竟！
1.為什麼種族單因素沒有統計學差異，而多因素有？
我建立多個回歸模型，每個回歸模型因變量是“低出生體重”，自變量是“種族”和一個其他自變量，是以稱為2因素回歸分析。
然後， 我發現，種族+吸煙的兩因素回歸模型結果詭異！
吸煙在場，種族的效應具有統計學意義了！
什麼原因？因為吸煙對種族而言，是一個中介變量！這個中介變量。這個示意圖的效果如下：
種族總的效應是2.3，通過吸煙的是-0.7，而不通過吸煙的是3.0，是以，當兩因素在的時候，通過吸煙的作用被阻攔，則效應值則變成了3.0，更為他突出了。
2. 為什麼高血壓的效應值大大增加了呢？
我同樣利用兩因素法建立多個回歸模型，每個回歸模型因變量是“低出生體重”，自變量是“種族”和一個其他自變量
結果發現，孕婦體重影響甚大：
單因素高血壓OR=3.365，兩因素變為5.998！
那麼産婦體重是什麼變量？在這裡顯然，不是中介變量了，而是混雜變量。
高血壓總的效應是3.65，而來自于産婦體重的影響則夾雜在其中，為-2.34(高血壓與産婦體重負相關)，是以，單因素回歸分析的OR值比多因素回歸分析的結果要低。
4
去因素模組化法的應用
我針對早産次數“單因素有統計學意義，多因素P>0.05”的沖突進行分析吧
我先采用兩因素進行分析，探讨影響早産次數的幹擾因素。你們覺得誰影響了早産次數呢？答案是應激性和吸煙！
現在采用“去因素法”模組化。“去因素法”指的是，在全因子模型中，剔除被懷疑的因素，在本例，需要剔除應激性與吸煙！
可以看出，應激性和吸煙同時在場，則早産次數沒有統計學意義，而應激性和吸煙不在場，早産次數則有統計學意義了，和單因素分析結果一緻！
那麼應激性與吸煙是中介變量還是混雜呢？ 先思考下！文末有答案。
4
小結
第一，兩因素法和去因素法是一種探索性的方法，可以幫助諸位粗略地發現結果異常嚴重的現象，特别是關鍵變量單因素、多因素的沖突。不妨結合兩種政策來試試！
第二，兩因素法和去因素法主要窺探中介與混雜的影響，但是究竟屬于中介還是混雜，需要根據理論知識來判定。
第三，老話，在一個模型中，中介變量與混雜都不是我關注的重點，但中介變量不應納入模型，混雜應該納入模型；也可以采用多層次多模型法來窺探兩個變量的影響
中介變量一直很重要，一直被忽視！如何在回歸分析中考慮中介變量？
第四，對于能考慮中介與混雜變量的場景，兩因素法和去因素法可能收效甚微！
第五，對于單因素和多因素回歸分析結果沖突時，千萬不要覺得沮喪。這反而是你們大展身手的時候！想辦法去解釋沖突之處，是一篇論文的亮點！
第六，從理論上分析，應激性與吸煙應該是中介變量！
--本文畢--
系列撰寫者：鄭衛軍，浙江中醫藥大學醫學統計學教研室主任。這裡不妨廣而告之，如果您有一個臨床試驗項目，正處于設計階段，并且已經或者将要過醫院倫理委員會稽核，不妨聯系鄭老師統計團隊，我們可以幫助您更好的改善臨床試驗。微信号ZZ566665。
支援鄭老師， 快來點選“分享”吧