本文介绍了在临床研究中如何使用K折交叉验证验证预测模型的可靠性，特别是在logistic回归中的应用。通过R软件进行K折交叉验证，强调了在SPSS中缺乏此功能，而R软件提供了cv.glm函数。文章提供了详细的R代码步骤，包括数据导入、成本函数定义、交叉验证过程，并指出结果的轻微变化是由于随机分组导致的。
在临床研究领域，大家特别希望能够未仆先知，于是临床研究者尝试去建立各种预测模型。比如，凭借孕妇的信息预测低出生体重儿的结局。怎么建立预测模型呢?常见的做法是这样的：以低出生体重儿为因变量，以相关的孕妇信息作为自变量，建立logistic回归模型。
有了模型，一般还需要验证模型的可靠性稳定性。小编比较推荐外部验证，也就是说“用现有的数据建立模型，再收集一部分病例进行模型的验证”。其中，K折交叉验证比较常见。K折交叉验证，就是将数据随机、平均分为K份，其中(K-1)份用来建立模型，在剩下的一份数据中进行验证。比如，常见的10折交叉验证，“将数据随机、平均分为10份，其中9份用来建模，另外1份用来验证，这样依次做10次模型和验证，可得到相对稳定的模型。
说的这么热闹，怎么实现呢?SPSS可以吗?SPSS目前只是在某些模块(如决策树、判别分析)设置了交叉验证的选项，而在我们常用的线性回归、logistic回归却是没有的。小编觉得大家可以利用R软件完成交叉验证。
即使大家之前从未接触过R软件，也不难。下载、安装、运行R软件后，将小编接下来要说的程序粘贴到R控制台，改动几个参数即可。
首先，咱们需要有R软件。选择下列任意一个网站，即可链接到R下载页面。选择合适的版本，默认安装即可。
https://mirrors.tuna.tsinghua.edu.cn/CRAN/
http://mirrors.tuna.tsinghua.edu.cn/CRAN/
https://mirrors.ustc.edu.cn/CRAN/
最低0.47元/天 解锁文章
2432
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
