比例ハザードは独立変数を減らすことにより有意性の変化に適応こんにちは、
私はまだ疑問に思っています。n個の独立変数を使って比例近似モデルを作成した後に、段階的アプローチで有意でないモデルを削除すると、残りの独立変数に対する対数ランクまたは有意性も変化します。
私の例のように極端な場合 - 最初にn個の変数をテストした - 次に重要でないものを削除することによってそれを2に減らした - 重さと年齢を残します - しかし一方または他方を削除するなら - その他、特異な独立変数はもう重要ではないので？
あなたは親切にこれを説明してもらえますか？- そして今、それは重要なのかどうか？
ありがとう、マーク
比例ハザードは独立変数を減らすことにより有意性の変化に適応するおそらくこのフォーラムで他の人からもっと洗練されたアイデアを得るでしょうが、私はいくつかの洞察を提供します。 明らかに体重と年齢の両方を持つモデルが体重だけを持つものよりはるかに優れています（フィット診断を見てください）。 ですから、体重だけでは意味がないということは、年齢も考慮に入れない限り、体重がうるさい予測因子であることを意味しているようです。 年齢を考慮すると、体重が重要であることは明らかです。体重と年齢の関係を調べると、これらの結果に何らかの理論的根拠があると思います。 そうは言っても、統計的有意性の有無に焦点を合わせることはそれほど意味があるとは思いません。さらに重要なのは、両方の変数を含めることでより有益なモデルが得られるということです。 年齢がそれを増加させる間、体重は生存リスクを減少させるようです。 体重だけでは生存期間に影響を与えないように見えるという事実は、おそらく体重が年齢とともに増加するという本当らしい事実を反映しています（したがって、年齢を考慮せずに、体重は生存に体系的に関連していないようです）。
