Peligro proporcional que se ajusta al cambio de importancia al reducir las variables independientesHola,
Todavía me estoy preguntando acerca de cuando creo un modelo de ajuste proporcional con n variables independientes, y luego elimino el no significativo en un enfoque por pasos, mi orden de registro o significación para las variables independientes residuales también cambian.
Como en mi ejemplo hasta un extremo, donde primero probé n variables, luego lo reduje a 2 eliminando las no significativas, dejando el peso y la edad, que parecen muy importantes, pero si elimino una u otra, la otra permanece , ¿como variable independiente singular ya no es significativa?
¿Podría usted explicar esto amablemente? - ¿Y ahora es significativo o no?
Muchas gracias marc
Re: Riesgo proporcional que se ajusta a la importancia cambiante al reducir las variables independientesProbablemente obtendrás ideas más sofisticadas de otros en este foro, pero te ofreceré algunas ideas. Claramente, el modelo con peso y edad es muy superior al de peso solo (mire los diagnósticos de ajuste). Por lo tanto, la falta de importancia para el peso solo parece significar que el peso es un predictor ruidoso a menos que también tenga en cuenta la edad. Una vez que se tiene en cuenta la edad, queda claro que el peso importa. Sospecho que si examina la relación entre peso y edad, encontrará algunos motivos para estos resultados. Dicho esto, no creo que sea tan significativo centrarse en la presencia o falta de significación estadística; lo que importa más es que la inclusión de ambas variables proporciona un modelo mucho más informativo. Parece que el peso reduce el riesgo de supervivencia mientras que la edad lo aumenta. El hecho de que el peso por sí solo no parece influir en el tiempo de supervivencia probablemente refleja el hecho probable de que el peso aumenta con la edad (de modo que sin tener en cuenta la edad, parece que el peso no está relacionado sistemáticamente con la supervivencia).
