这是真正的效果吗？匹配对 - 双变量 - 回归你好，
请在这里帮助一个新手 - 这是一个真正的效果。
我正在测试一种新方法来测试（意味着10）新方法到金标准（paco2）。我还在研究另一个变量对测试改进模型的影响。
我开始使用Bland Altman分析（混合对），我的方法显示出良好的相关性0.69（小CI），我也测试了自变量到我的黄金标准，甚至在这里我找到了“效果”。
所以我开始对两者进行双变量分析（均值10） - 未显示和SaO2。平均值10显示与paCO2的良好相关性，尽管r square仅为0.48。我的另一个变量（SaO2）在双变量分析中显示出一些效应，p <0.001。
没有分析这两种效果（右图） - 两者似乎都有显着的效果。并且模型改进了r平方为0.67。
但这是真正的效果吗？或者我在这里做错了我的分析？
任何评论和支持非常感谢！非常感谢，马克
Re：这真的有效吗？匹配对 - 双变量 - 回归彼得，
非常感谢明智的建议。这对我来说也是一个令人惊讶的生理结果，但最后我不得不相信我的计算。非常感谢，Marc
Re：这真的有效吗？匹配对 - 双变量 - 回归标记，
非常感谢您的全面建议！这非常有用。
是的，我看了残差，我没有任何匹配的模式，但正常分布。（见图1）
我还专门研究了我们的数据库来创建一些实时变量，事实上，实现第二个变量时，预测paCO2的效果更好。在图形分析中，基于Mean和SpO2（我用SpO2代替SaO2）的paCO2预测公式是完美的，并给出了完美的相关系数g（图2）。
我可以保存位于90％密度椭圆之外的行吗？
再次感谢您的帮助！渣
图。1 
图2
Re：这真的有效吗？匹配对 - 双变量 - 回归你问，“......效果真实吗？”我的同事马克贝利提出了明智的建议。我将通过一些补充的观点，在他的第二句到最后一句话中，以经验证实/验证。
您对该过程的了解对您可能存在的影响有何影响？我总是试图对那些对统计推断世界不熟悉的人提出的一点是，如果你的p值，t值，F比率和任何其他推论统计数据告诉你，你现在已经'证明了'，并注意引号，因为统计推断确实没有任何证据（但这是后来的另一个故事），其效果类似于“水上坡”。那么有些不对劲。也许在实验中存在潜伏的变量。也许存在测量系统偏差。也许有（填空）。
如果你对物理学，化学，生物学或社会经济行为的了解表明这种影响不大可能或不可能......那么在我的书中，每天都要胜过p值及其兄弟。
Re：这真的有效吗？匹配对 - 双变量 - 回归我不确定第一次比较显示， PACO2 与血氧饱和度 ，但情节揭示了匹配对分析是不适当 。为什么？该分析假设唯一的区别在于平均水平。也就是说，可以存在固定差异但不存在比例差异。该图应显示水平数据带。相反，您可以看到它从左上角向右下角倾斜。计算是正确的，但这里的结果毫无意义。
第二个比较是意思是10 与 PACO2 。这种情况适合匹配对因为数据点显示为水平带。在α= 0.05时，置信区间和差异的双侧t检验都是显着的。点估计表明了这一点意思是10 低于9个单位。
第三个比较改变了焦点。现在它是 PACO2 与血氧饱和度 。我只能看到差异分析报告的顶部。它高得多 F比率 ，> 500，这在alpha = 0.05时可能很重要。我看不到参数估计报告。这两个变量似乎是线性相关的，忽略了其他变量。
第四个比较是多元回归 PACO2 与平均值为10和SaO2 。这种分析也是一个不同的焦点。你在比较吗？意思是10 至 PACO2 或不？分析表明，两者之间存在很强的关系 PACO2 和两个预测因子。该意思是10 和血氧饱和度但是，它们的相关性不足以影响重要性。意思是10 斜率为0.9（假设所有误差都在意思是10 ）。血氧饱和度斜率为-0.3，表示负偏差 PACO2 。
这种效果真实吗？（我猜你的意思是血氧饱和度当你询问“效果”时会产生偏见。）我首先会继续使用诊断进行回归分析，这样你就可以相信结果。你有没有检查残差？您是否检查了参数估计的方差膨胀系数？最后，经验模型必须经过实证确认/验证/验证。你能制作出具有所需水平的样品吗？意思是10 和血氧饱和度确认模型预测 PACO2 ？
