Proportional Hazard passt sich der veränderten Bedeutung an, indem unabhängige Variablen reduziert werdenHallo,
Ich wundere mich immer noch darüber; Wenn ich ein Proportional-Fit-Modell mit n unabhängigen Variablen erstelle und anschließend die nicht signifikante in einem schrittweisen Ansatz lösche, ändert sich auch mein Wert für die verbleibenden unabhängigen Variablen.
Wie in meinem Beispiel zu einem Extrem - wo ich zuerst n Variablen getestet habe - und dann auf 2 reduziert, indem die nicht signifikanten gelöscht wurden als singuläre unabhängige Variable nicht mehr signifikant?
Könnten Sie das bitte erklären? - Und ist es jetzt bedeutsam oder nicht?
Vielen Dank, Marc
Re: Proportional Hazard passt sich der veränderten Bedeutung an, indem unabhängige Variablen reduziert werdenIn diesem Forum werden Sie wahrscheinlich differenziertere Ideen erhalten, aber ich werde Ihnen ein paar Einblicke geben. Das Modell mit Gewicht und Alter ist eindeutig dem Modell mit Gewicht allein überlegen (siehe Fitdiagnostik). Das Fehlen einer Bedeutung für das Gewicht scheint also zu bedeuten, dass das Gewicht ein geräuschvoller Prädiktor ist, sofern Sie nicht auch das Alter berücksichtigen. Sobald das Alter berücksichtigt ist, ist klar, dass Gewicht eine Rolle spielt. Ich vermute, wenn Sie die Beziehung zwischen Gewicht und Alter untersuchen, werden Sie einige Gründe für diese Ergebnisse finden. Ich glaube jedoch nicht, dass es so sinnvoll ist, sich auf das Vorhandensein oder das Fehlen statistischer Signifikanz zu konzentrieren - was noch wichtiger ist, dass die Einbeziehung beider Variablen ein viel informativeres Modell liefert. Es scheint, dass Gewicht das Überlebensrisiko verringert, während das Alter es erhöht. Die Tatsache, dass Gewicht allein die Überlebenszeit nicht zu beeinflussen scheint, spiegelt wahrscheinlich die wahrscheinliche Tatsache wider, dass das Gewicht mit dem Alter zunimmt (ohne Berücksichtigung des Alters scheint es, dass das Gewicht nicht systematisch mit dem Überleben zusammenhängt).
