加载中........
×

样本量过少回归分析如何分析处理与解释

2017/3/21 作者:刘重杰   来源:刘重杰 我要评论9
Tags: 回归  样本量  
分享到:

回归是统计学中最常用的模型,但是,有时使用回归后发现结果难以解释,或者与临床实际并不符合,十分困惑。这可能是什么原因呢? 虽然,实际原因很多,但是重要原因之一是样本量太小!很小小样本得出回归的结果,其实并不"回 归",因此,在处理小样本做多因素回归分析时,要慎重。传统一般认为在logistic回归时,变量与样本量之比为至少5倍,即纳入5个变量时,样本量至少也需要25例,实际上,这是保守估计。如果每个变量能超过40例样本时,回归的结果往往是不错的。 谈到回归,要讲其核心---最小二乘法(OLS)。 学会OLS,有人还明白了ML等方法的含义;现在学统计分析的时候,或多或少会安排统计软件的实践课程,于是大家学会了使用Excel,乃至SAS中如何来做经典的回归分析。看过不少的文献,很多都忽略了回归分析模型诊断这个环节——可能很多标准教科书没有强调,甚至是没有讲;这不能不说是一个遗憾。 回归分析使用最广泛,误用的情况也多了些。下面使用一个经典的例子,来“恶心”一下那些“过分钟爱”经典回归分析的人——我在很多课堂上都举过这个例子(Anscombe),作为从基础课程向中级乃至高级课程...

小提示:本篇资讯仅在梅斯医学APP中开放阅读,请扫描二维码直接下载APP



分享到:
登录才能发表评论!马上登录

135********(暂无匿称)

学习了,非常感谢!

(来自:梅斯医学APP)

2017/6/8 14:58:52 回复

184****9840暂无昵称

这个板块太好了,对学习非常有用。

(来自:梅斯医学APP)

2017/5/14 7:59:43 回复

ffaadd

还行吧,加油。。。

(来自:梅斯医学APP)

2017/4/16 0:09:41 回复

jin321

学习,以前没注意到

(来自:梅斯医学APP)

2017/4/5 0:08:28 回复

小驹

前提条件很重要

(来自:梅斯医学APP)

2017/4/1 19:44:21 回复

sy3923582

不错,学习了!

(来自:梅斯医学APP)

2017/3/31 17:21:25 回复

嘿嘿哈哈嗯

学习了,明白

(来自:梅斯医学APP)

2017/3/22 8:29:18 回复

jiuling

学习了谢谢分享

(来自:梅斯医学APP)

2017/3/21 20:25:07 回复

knowheart

传统一般认为在logistic回归时,变量与样本量之比为至少5倍,

(来自:梅斯医学APP)

2017/3/21 20:14:51 回复

web对话
live chat

扫码领取IF曲线

IF连续增长的期刊