Co oznacza Metoda krokowa (analiza regresji)?
Zastosowanie, warunki i dobre praktyki
Najważniejsze zastosowanie: Traktuj naprzemienne dodawanie i usuwanie predyktorów jako eksplorację wymagającą niezależnej walidacji całej procedury.
Metoda krokowa na każdym etapie ponownie ocenia możliwość włączenia lub usunięcia zmiennych, przez co przeszukuje wiele modeli i zwiększa optymizm wyniku. Stosuj ją wyłącznie jako eksplorację lub element predykcyjnego pipeline’u z zagnieżdżoną walidacją, a nie jako dowód potwierdzający hipotezę.
Jak poprawnie stosować i interpretować hasło „Metoda krokowa (analiza regresji)”?
W przypadku pojęcia „Metoda krokowa (analiza regresji)” kluczowa jest reguła określająca, które predyktory wchodzą do modelu i w jakiej kolejności. Przy ocenie hasła „Metoda krokowa (analiza regresji)” kolejność powinna wynikać z teorii, projektu albo jawnego celu predykcyjnego. W analizie dotyczącej hasła „Metoda krokowa (analiza regresji)” automatyczny wybór na podstawie wartości p wykorzystuje przypadkowość tej samej próby i może dawać zbyt optymistyczne współczynniki oraz niestabilny zestaw zmiennych.
Ocena pojęcia „Metoda krokowa (analiza regresji)” wymaga porównania stabilności wyboru w resamplingu lub nowych danych. Dla interpretacji hasła „Metoda krokowa (analiza regresji)” predyktory potrzebne do kontroli zakłócenia nie powinny znikać tylko dlatego, że nie osiągają progu istotności. W odniesieniu do hasła „Metoda krokowa (analiza regresji)” dla modeli zagnieżdżonych można porównać zmianę R² lub kryterium informacyjne, ale decyzja nadal musi odpowiadać wcześniej zdefiniowanemu pytaniu.
Co trzeba opisać w raporcie?
Raport dotyczący „Metoda krokowa (analiza regresji)” powinien dokładnie opisać bloki, kolejność, kryteria wejścia lub usunięcia i pełną listę rozważanych predyktorów. Przy ocenie hasła „Metoda krokowa (analiza regresji)” należy pokazać wynik modeli pośrednich, a analizę po selekcji oznaczyć jako obciążoną procesem wyboru. W analizie dotyczącej hasła „Metoda krokowa (analiza regresji)” w projekcie predykcyjnym podaje się jakość na danych walidacyjnych.
Zakres raportowania dla hasła „Metoda krokowa (analiza regresji)”: Opisz pełny zbiór kandydatów, kryterium selekcji i walidację.
Przykład praktyczny i gotowa interpretacja
Sytuacja: Dwukierunkowy stepwise dodał wynik bazowy, usunął wiek po wejściu obciążenia pracą i zakończył z czterema predyktorami. Niewielka zmiana próby odwróciła kolejność dwóch kroków.
Jak ją zinterpretować: Kolejne wejścia i usunięcia są silnie zależne od przypadkowych korelacji w próbie. Model może być użyteczny eksploracyjnie, ale wymaga walidacji i nie uzasadnia klasycznych p tak, jak model określony przed analizą.
Najczęstsza pułapka i granica interpretacji
Wynik stepwise jest zależny od drobnych zmian danych i ukrywa liczbę wykonanych porównań.
Model uzyskany przez „Metoda krokowa (analiza regresji)” nie identyfikuje automatycznie „najważniejszych przyczyn”. Dla interpretacji hasła „Metoda krokowa (analiza regresji)” zmiana próby może wybrać inny zestaw zmiennych, a nieuwzględniona niepewność selekcji prowadzi do zbyt wąskich przedziałów i zbyt małych wartości p.
Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Collins et al., 2024).
Powiązane hasła
Poradniki, w których użyjesz tego pojęcia
Wartość p: co naprawdę oznacza i jak ją poprawnie interpretować
Wartość p bez mitów: definicja, interpretacja, typowe błędy oraz sposób raportowania wraz z wielkością efektu i przedziałem ufności.
Czytaj →PoradnikRegresja logistyczna: założenia, interpretacja i raportowanie modelu
Regresja logistyczna w praktyce: założenia, iloraz szans, diagnostyka, kalibracja, AUC oraz zasady rzetelnego raportowania modelu.
Czytaj →PoradnikModelowanie równań strukturalnych (SEM): od teorii do raportu
SEM bez skrótów myślowych: model pomiarowy i strukturalny, CB-SEM a PLS-SEM, dopasowanie, założenia oraz raportowanie wyników.
Czytaj →Potrzebujesz wsparcia w analizie danych?
Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.
Oferta dla badaczyOferta dla studentówBibliografia i dalsza literatura naukowa (APA 7)
- Collins, G. S., Moons, K. G. M., Dhiman, P., Riley, R. D., Beam, A. L., Van Calster, B., Ghassemi, M., Liu, X., Reitsma, J. B., van Smeden, M., Boulesteix, A.-L., Camaradou, J. C., Celi, L. A., Denaxas, S., Denniston, A. K., Glocker, B., Golub, R. M., Harvey, H., Heinze, G., … Logullo, P. (2024). TRIPOD+AI statement: Updated guidance for reporting clinical prediction models. BMJ, 385, e078378. https://doi.org/10.1136/bmj-2023-078378
- Peduzzi, P., Concato, J., Kemper, E., Holford, T. R., & Feinstein, A. R. (1996). A simulation study of the number of events per variable in logistic regression analysis. Journal of Clinical Epidemiology, 49(12), 1373–1379. https://doi.org/10.1016/S0895-4356(96)00236-3
- Lang, T. A., & Altman, D. G. (2015). Basic statistical reporting for articles published in biomedical journals: The SAMPL guidelines. International Journal of Nursing Studies, 52(1), 5–9. https://doi.org/10.1016/j.ijnurstu.2014.09.006
- Lakens, D. (2022). Sample size justification. Collabra: Psychology, 8(1), 33267. https://doi.org/10.1525/collabra.33267
- Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191
- Wilkinson, L., & Task Force on Statistical Inference. (1999). Statistical methods in psychology journals: Guidelines and explanations. American Psychologist, 54(8), 594–604. https://doi.org/10.1037/0003-066X.54.8.594
Cytowania BibTeX
@article{collins2024tripod, author={Collins, Gary S. and Moons, Karel G. M. and Dhiman, Paula and Riley, Richard D. and Beam, Andrew L. and Van Calster, Ben and Ghassemi, Marzyeh and Liu, Xiaoxuan and Reitsma, Johannes B. and van Smeden, Maarten and Boulesteix, Anne-Laure and Camaradou, Jennifer Catherine and Celi, Leo Anthony and Denaxas, Spiros and Denniston, Alastair K. and Glocker, Ben and Golub, Robert M. and Harvey, Hugh and Heinze, Georg and Hoffman, Michael M. and Kengne, André Pascal and Lam, Emily and Lee, Naomi and Loder, Elizabeth W. and Maier-Hein, Lena and Mateen, Bilal A. and McCradden, Melissa D. and Oakden-Rayner, Lauren and Ordish, Johan and Parnell, Richard and Rose, Sherri and Singh, Karandeep and Wynants, Laure and Logullo, Patricia}, title={TRIPOD+AI statement: updated guidance for reporting clinical prediction models}, journal={BMJ}, year={2024}, volume={385}, pages={e078378}, doi={10.1136/bmj-2023-078378}}@article{peduzzi1996epv, author={Peduzzi, Peter and Concato, John and Kemper, Elizabeth and Holford, Theodore R. and Feinstein, Alvan R.}, title={A simulation study of the number of events per variable in logistic regression analysis}, journal={Journal of Clinical Epidemiology}, year={1996}, volume={49}, number={12}, pages={1373--1379}, doi={10.1016/S0895-4356(96)00236-3}}@article{lang2015sampl, author={Lang, Thomas A. and Altman, Douglas G.}, title={Basic statistical reporting for articles published in biomedical journals: the SAMPL guidelines}, journal={International Journal of Nursing Studies}, year={2015}, volume={52}, number={1}, pages={5--9}, doi={10.1016/j.ijnurstu.2014.09.006}}@article{lakens2022sample, author={Lakens, Daniël}, title={Sample size justification}, journal={Collabra: Psychology}, year={2022}, volume={8}, number={1}, pages={33267}, doi={10.1525/collabra.33267}}@article{appelbaum2018jars, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={Journal article reporting standards for quantitative research in psychology}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}@article{wilkinson1999statistical, author={Wilkinson, Leland and {Task Force on Statistical Inference}}, title={Statistical methods in psychology journals: Guidelines and explanations}, journal={American Psychologist}, year={1999}, volume={54}, number={8}, pages={594--604}, doi={10.1037/0003-066X.54.8.594}}