比例風險通過減少獨立變量來適應變化的重要性你好，
我仍然在想;當我創建一個具有n個獨立變量的比例擬合模型 - 然後隨後逐步刪除非重要變量 - 我的剩餘自變量的logrank或重要性也會發生變化。
就像在我的例子中一樣極端 - 我首先測試n個變量 - 然後通過刪除非重要變量將其減少到2 - 留下重量和年齡，這看起來非常重要 - 但如果我刪除其中一個 - 另一個 - 剩下的另一個，因為單個自變量不再顯著？
你能解釋一下嗎？- 它現在是否重要？
非常感謝，Marc
回复：比例危險通過減少獨立變量來適應變化的重要性您可能會在本論壇中獲得其他人更複雜的想法，但我會提供一些見解。 顯然，重量和年齡的模型遠遠優於單獨使用重量的模型（看看合適的診斷）。 因此，僅僅體重缺乏意義似乎意味著體重是一個嘈雜的預測因子，除非你也考慮到年齡。 一旦考慮到年齡，顯然體重很重要 - 我懷疑如果你檢查體重和年齡之間的關係，你會發現這些結果的一些基本原理。 話雖如此，我認為關注存在或缺乏統計意義並不是那麼有意義 - 更重要的是，包含這兩個變量提供了更具信息性的模型。 似乎體重會降低生存風險，而年齡會增加。 單獨體重似乎不影響生存時間這一事實可能反映了體重隨年齡增長而增加的可能性（因此，如果不考慮年齡，體重似乎與生存沒有系統關聯）。
