线性回归中一次性实现所有自变量的单因素分析

在之前的21期文章中，我们手把手讲解了如何在JMP中进行数据清洗、开展基础统计分析。本文以及后面的几篇文章中，我们将分别对线性回归的实现过程逐一展开介绍。

在进行线性回归多因素分析前，往往需要先进行单因素分析。但是，目前常用的大多数软件操作单因素分析比较繁琐，需要不断替换自变量来重复操作，才能进行多个自变量的单因素分析。然而，在JMP软件中可以一次性实现全部自变量的单因素分析。今天的文章将从如何实现这一过程说起。

为了帮助更多的临床医师学习如何运用JMP高效地开展数据分析，提高日常工作和发表论文的效率，2020年8月起，JMP资深用户、JMP特约专栏作者、资深统计学家冯国双博士及其团队将在JMP数据分析平台为大家分享一系列统计及数据分析、JMP实战操作、JMP分析报表解读等干货内容，每期一个经典话题，帮助大家掌握一个新技能。值得注意的是，这些话题并非仅针对临床医师，对所有运用JMP软件开展数据分析的小伙伴都适用。本文为此系列文章的第22期。

01 为什么要做线性回归？

相比前面介绍的仅含一个组别变量的单因素分析，多因素分析在实际中更为常见，因为绝大多数的结局都不止受一个因素影响。如比较两种不同药物治疗糖尿病的疗效，即使两组间疗效有差异，也未必能归因到药物因素，因为像BMI、血压、饮食等诸多因素也会同时影响到药物治疗的效果，如果这些因素在两组间不均衡，就会影响到药物的评价效果。因此实际中我们经常要用到多因素分析。我们通常说的“校正”年龄、性别等因素的影响，或吸烟是肺癌的“独立预后因素”，这些其实都是在说多因素分析。

线性回归常用于定量结局的多因素分析，主要用于描述1个或多个自变量与定量结局的线性关系。当我们想针对某定量结局进行危险因素探索，通常首先会考虑线性回归，如果线性回