回归模型的变量筛选与预测

                                                               我眼中的回归变量筛选

       变量筛选是回归建模过程关键的一步,由于变量间的相关性,必然会导致不同的筛选方法得到不同的模型。

       在所有变量筛选方法中,向前法、向后法以及逐步回归法的使用频率较高,因为这类方法操作简单、运算速度快,非常实用,这种方法选出的变量 在入模后模型比较接近最优

       然而经向前法、向后法与逐步回归法筛选出的变量构建的模型并不是最优模型,若想构建最优模型,可以通过构建每个X的组合去获取最优变量组合,即全子集法。但全子集法因运算速度等限制,会有使用上的局限性,一般全子集法只会用在小量样本和少变量的情况。

       还有其他方法可以和回归结合达到筛选变量的目的,例如Lasso算法

  • 2
    点赞
  • 35
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在临床预测模型中,变量筛选的方通常是将单因素有意义的变量纳入预测模型中。 这意味着只有那些与预测结果有显著相关性的变量才会被考虑。具体的建模可以是logistic回归模型,这是一种广义线性模型(GLM)。 在一个临床预测模型的研究中,作者使用了“10个样本一个变量”的标准来计算样本量。 这意味着对于每一个要考虑的变量,至少需要有10个样本。这个标准的目的是确保模型的稳定性和可靠性。 另外,在变量筛选过程中,作者使用了AUC(曲线下面积)来评估模型的性能。AUC是一种广泛应用于评估二分类模型的指标,它可以衡量模型对于正确分类样本的能力。 综上所述,在临床预测模型中,变量筛选的方通常是基于单因素的显著性并且纳入预测模型,使用广义线性模型(如logistic回归模型),并且样本量的计算可能遵循特定的标准,最后使用AUC来评估模型的性能。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [Topic 4. 临床预测模型构建 Logistic 回归](https://blog.csdn.net/weixin_41368414/article/details/122363341)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* *3* [R数据分析:跟随top期刊手把手教你做一个临床预测模型](https://blog.csdn.net/tm_ggplot2/article/details/121409367)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值