Stata建模

判断自变量共线性，在SPSS 中可套用线性回归的共线性检验，看VIF＜10即可。
打开D盘中“20190810北京临床预测模型’中的“03_logistic_regression‘’，点开“1126 training-218.csv”。此为上次SPSS中选出的70%作为预测模型，注意将变量名都转换为英文。

将所要用到的数据在桌面上建立一个文件夹：Stata，将其放入。更改保存的路径名：C:\Users\Administrator\Desktop。导入文件。

可进性相关的统计操作。
描述性统计：
连续型变量：sum X if Y=1,detail
正态性检验：sktest X；qladder X；gladder X；

卡方检验：病例对照：tab X Y,column chi e
队列研究：tab X Y,row chi e（为什么使用Fisher检验？不应该 满足T＜1或者n＜40？）
U检验：ranksum X,by(Y)

table1的快速制作

其操作所需的代码见桌面上的文件夹Stata中的"1126 training model",若出现Stata 16许可证过期的提示，将系统时间调回2018年便可打开。

ssc install table1：告诉软件给table1留个位子。
pwd:查看储存位置，可以修改保存自自己建立的文件夹。如：cd"C:\Users\Administrator\Desktop\Stata"
table1,by(yqol) vars(age cate\bmi cate\mouthopen conts\rmorph cate\rcurve cate\rnum cate\gender cate\presymp cate\smoke cate\pgl cate\time conts\pgv cate\winter cate\flap cate\procedure cate\experience cate) format(%8.1f) onecol missing cmissing test pdp(2)**saving(C:\Users\Administrator\Desktop\Stata/table1.xls)**或者直接saving（“table1，xls”）保存至默认路径。
代码说明：-format(%8.1f)，cformat(%8.1f) 可分别设定对连续型变量及分类变量保留一位小数，括号中“%”是格式化代码，
“8”是包含整数、小数及符号在内的总宽度，“.”代表小数点，“1”是小数点后位数，“f”是“fixed”的缩写，
表示指定总宽度及保留小数位数（注意：小数点后位数一定要小于总宽度，此例中小数点后位数为“1” < 总宽度“8”，
平时可以根据研究需要更改这两个数字）；
-onecol可让多分类变量的分组等级显示在此变量名下方，而非单独成列；
-missing可将分类变量的缺失例数及比例显示出来，cmissing可报告连续型变量非缺失例数；
-test可将我们对每个变量所使用的特定分组比较方法显示在表格中；
**-pdp(#)**可设定分组比较p值保留小数位数，如pdp(2)为保留两位小数。

建模

logit Y X
enter ：加入全部变量，b3.pgl指以3为对照，1、2和3比（pgl水平分为1，2，3）
enter1：加入全部变量，i.pgl指以1为对照，3、2和1比
enter2 :留下自己感兴趣的变量，剔除一些无临床探究价值的变量。
逐步法：
stepwise, pe(0.2): logit yqol age bmi mouthopen rmorph rcurve rnum gender presymp smoke pgl time pgv winter flap procedure experience
est store f1
**pe代表向前：一个一个进，（0.2）指变量的p＜0.2时变量纳入模型。pr代表向后：变量一开始全部进入模型，然后挨个往外踢，(0.02)指P＞0.02时，将变量踢出。界值设定可以随意，0.1-0.9都可以尝试，然后比较AIC ，众多模型中最后AIC区域稳定的即为理想的模型。AIC值与变量个数的关系要看不同变量的AIC值的差异有无统计学差异，进而选择要AIC值小的还是变量个数少的。

est store 模型名 （储存模型） est stats 模型名（显示模型的AIC）

lrtest 模型1 模型2 比较两个模型的AIC值差异有无统计学意义。
注意，不能直接拿危险因素来做预测模型，危险因素更加关注P值大小，而预测模型注重β值，可称之为预测因子。预测模型文章的讨论不似危险因素逐个分析，不研究为什么这个变量有预测价值，而是从整体上辩证，建模后的验证。 （训练集，验证集）预测因子与危险因素截然不同。
最好样本量大，不然容易过拟合。过拟合即在训练集结果很好，拿到验证集不好。如ROC在训练集0.9，到了验证集0.6。

ROC曲线

主要语句：1.产生预测概率：gen pred0=1/(1+exp(-(β0 +X1β1+…)))
2.生成ROC表格（仅一个模型）：roctab Y（结局变量） pred0
3.计算约登指数和临界值：roctab yqol pred0,detail,将结果输出为表格，在Excel中计算临界值即可。
4.生成其他文献构建的模型：gen pred1=1/(1+exp(-(-5.384181 +time .0395471 +presymp * 0.8765776 + pgl 0.6712864+smoke0.6849501 + age0 .5099984 + gender0.4002588)))
5.将自己构建的模型与已有文献的模型进行计较（两个模型）：roccompY pred1 pred0,还可直观看到曲线：roccomp Y pred1 pred0,graph
6.显示全部或部分的预测概率：list yqol pred1；list yqol pred1 in 1/10（展示前十个）
7.更换已有模型：如replace pred0**=1/(1+exp(-(β0 +X1β1+…)))
8.若有三个模型需要互相比较：rocgold Y pred0 pred1 pred2。这条命令是指pred1和pred2均与pred0（金标准即参照）比较。
9.若有相关代码的疑惑，可用谷歌搜索，如roc? in stata，即可出现很多视频。

Hosmer-lemeshow检验

estat gof, group(10) table



三个地方愿意P值＞0.05：正态性检验，方差齐性检验，Hosmer-lemeshow检验。
注：视频中讲解的hl命令目前还不能安装，但使用estat gof, group(10) table（注意要紧跟在logistics模型之后使用）结果相同。命令的来源参考
所有的命令也可通过窗口菜单操作。
用R进一步进行calibiration。将结果导出，保存为.csv格式。

本次用到的命令汇总：

描述性统计：
1.连续型变量：sum X if Y=1,detail
2.正态性检验：sktest X；qladder X；gladder X；
3.卡方检验：病例对照：tab X Y,column chi e
队列研究：tab X Y,row chi e（为什么使用Fisher检验？不应该 满足T＜1或者n＜40？）
4.U检验：ranksum X,by(Y)
ssc install table1*：告诉软件给table1留个位子。
5.pwd:查看储存位置，可以修改保存自自己建立的文件夹。如：cd"C:\Users\Administrator\Desktop\Stata"
table1,by(yqol) vars(age cate\bmi cate\mouthopen conts\rmorph cate\rcurve cate\rnum cate\gender cate\presymp cate\smoke cate\pgl cate\time conts\pgv cate\winter cate\flap cate\procedure cate\experience cate) format(%8.1f) onecol missing cmissing test pdp(2)**saving(C:\Users\Administrator\Desktop\Stata/table1.xls)**或者直接saving（“table1，xls”）保存至默认路径。
代码说明：-format(%8.1f)，cformat(%8.1f) 可分别设定对连续型变量及分类变量保留一位小数，括号中“%”是格式化代码，
“8”是包含整数、小数及符号在内的总宽度，“.”代表小数点，“1”是小数点后位数，“f”是“fixed”的缩写，
表示指定总宽度及保留小数位数（注意：小数点后位数一定要小于总宽度，此例中小数点后位数为“1” < 总宽度“8”，
平时可以根据研究需要更改这两个数字）；
-onecol可让多分类变量的分组等级显示在此变量名下方，而非单独成列；
-missing可将分类变量的缺失例数及比例显示出来，cmissing可报告连续型变量非缺失例数；
-test可将我们对每个变量所使用的特定分组比较方法显示在表格中；
**-pdp(#)**可设定分组比较p值保留小数位数，如pdp(2)为保留两位小数。
6.logit Y X
enter ：加入全部变量，b3.pgl指以3为对照，1、2和3比（pgl水平分为1，2，3）
enter1：加入全部变量，i.pgl指以1为对照，3、2和1比
enter2 :留下自己感兴趣的变量，剔除一些无临床探究价值的变量。
逐步法：
stepwise, pe(0.2): logit yqol age bmi mouthopen rmorph rcurve rnum gender presymp smoke pgl time pgv winter flap procedure experience
est store f1
**pe代表向前：一个一个进，（0.2）指变量的p＜0.2时变量纳入模型。pr代表向后：变量一开始全部进入模型，然后挨个往外踢，(0.02)指P＞0.02时，将变量踢出。界值设定可以随意，0.1-0.9都可以尝试，然后比较AIC ，众多模型中最后AIC区域稳定的即为理想的模型。AIC值与变量个数的关系要看不同变量的AIC值的差异有无统计学差异，进而选择要AIC值小的还是变量个数少的。

7.est store 模型名 （储存模型） est stats 模型名（显示模型的AIC）

lrtest 模型1 模型2 比较两个模型的AIC值差异有无统计学意义。

8.ROC:主要语句：
8.1.产生预测概率：gen pred0=1/(1+exp(-(β0 +X1β1+…)))
8. 2.生成ROC表格（仅一个模型）：roctab Y（结局变量） pred0
8. 3.计算约登指数和临界值：roctab yqol pred0,detail,将结果输出为表格，在Excel中计算临界值即可。
8.4.生成其他文献构建的模型：gen pred1=1/(1+exp(-(-5.384181 +time .0395471 +presymp * 0.8765776 + pgl 0.6712864+smoke0.6849501 + age0 .5099984 + gender0.4002588)))
8.5.将自己构建的模型与已有文献的模型进行计较（两个模型）：roccompY pred1 pred0,还可直观看到曲线：roccomp Y pred1 pred0,graph
8. 6.显示全部或部分的预测概率：list yqol pred1；list yqol pred1 in 1/10（展示前十个）
8.7.更换已有模型：如replace pred0**=1/(1+exp(-(β0 +X1β1+…)))
8. 8.若有三个模型需要互相比较：rocgold Y pred0 pred1 pred2。这条命令是指pred1和pred2均与pred0（金标准即参照）比较。
8.9.若有相关代码的疑惑，可用谷歌搜索，如roc? in stata，即可出现很多视频。
9.Hosmer-lemeshow检验:estat gof, group(10) table