如何调整协变量我有一个包含两个队列的数据集。 它们在单变量分析中存在结果差异（住院时间、连续变量）。 然而，它们在基线特征上并不相似（具有不同的疾病严重程度（连续）、年龄（连续）和诊断（分类变量）。
如何根据年龄、疾病严重程度和诊断调整结果变量？
回复：如何调整协变量我不知道JMP或其他软件中的倾向匹配。 也许另一位社区成员可以提供帮助。
回复：如何调整协变量我认为这就解释了这一点。 我对结果很满意
希望最后一个问题
与对病例和对照进行倾向匹配相比，该策略有何不同？
我在其他讨论帖子中读到倾向匹配在 JMP 中是不可能的，我必须在 SPSS 或 R 上进行...... 那是对的吗？
回复：如何调整协变量一个合适的模型会让一切变得不同！ 选择由研究人员自行决定，但应以先验知识、理论基础、与替代模型的客观比较以及模型假设的评估为指导。
参数估计值用于线性组合以确定分布参数。 它们本身可能很难解释。 您可以单击顶部的红色三角形，然后选择探查器 > 探查器。 您可以更改因子水平并查看预测响应的变化。
关于不合身，我还有另一个想法。 我没有看到过度分散的测试，这是一种常见的情况。 泊松分布只有一个参数。 它是分布的均值和方差。 计数的真实分布通常表现出大于平均值的方差。 当您为过度离散检验和区间以及 Firth 偏差调整估计选择广义线性模型时，您应该会找到复选框。 我建议选择这两个选项。
否则，您可能会考虑添加潜在相互作用和非线性效应的项。
回复：如何调整协变量谢谢。 我同意最好在公共论坛上进行讨论，以便其他可能受益的研究人员。 在互联网上分享真实数据仍然感到不舒服。
这很有趣，也让我大开眼界，因为我意识到，仅使用不同的模型进行比较，结果就会有多大差异。 即使使用广义线性模型，如果我选择正态分布与泊松分布，也会产生影响。 这导致了模型依赖性和研究人员自由裁量权的因素。
尽管差异很大，但参数估计值非常低。 因此，病例的 LOS 比对照多 0.05 天……这在临床上不存在相关差异
最让我困扰的是，在这个模型中，甚至性别对住院时间也有显着影响，P 值 < 0.001，参数估计值为 0.05。 仅就性别与停留时间的双变量比较而言，
没有差异（并且没有临床原因说明为什么应该有差异）
我需要包含一个关于该模型与标准最小二乘回归相比的合理性的声明。 以及泊松分布。
关于缺乏拟合，我认为这是预料之中的，因为会有更多的变量可能会混淆我们尚未测量或无法测量的两组。
另一个问题是模型中的变量并不完全独立。 疾病严重程度评分已包含诊断类别。回复：如何调整协变量塔
回复：如何调整协变量首先，我要解释一下，我们更希望所有的交流都在讨论区进行，而不是在私人消息中。 为什么？ 因为社区中可能有类似疑问或问题的其他成员被剥夺了部分或全部解决方案。 我了解有时问题的性质或数据涉及隐私问题，无法公开发布。
根据您的消息，回归结果令人鼓舞！ 可以给我看残差图吗？ 该图将有助于回答有关一个或多个影响估计和检验的有影响力的观察结果的问题。 该图还有助于评估拟合优度。
偏差测试也非常重要。 该测试是为了不适合。 您的模型存在偏差，无法提供准确的预测。 它通常表明您缺少重要变量，或者更有可能缺少解决非线性效应的项。 您可以考虑添加交叉项（例如，性别*年龄）或幂（例如，年龄*年龄）。
回复：如何调整协变量谢谢
我把分析的片段发给你了
回复：如何调整协变量我同意泊松对数线性回归模型对于天数来说是合理的。 更好的模型将显示出更大的意义。 能分享一下JMP的回归结果吗？ 有些信息是估计值。 剩下的就是关于模型的质量。 所有信息都有助于评估模型的有效性。
回复：如何调整协变量我的一位同事建议在人格中使用广义线性模型，并选择具有对数链接的泊松分布来比较患者的住院时间数据。 停留时间以天为单位..所以它是一种计数数据，它是天数
这个模型产生了非常显着的差异，这让我非常怀疑它的有效性。 几乎每个变量的 P 值都小于 0.0001。 当我使用默认的标准最小二乘模型时，随着我在模型中添加更多变量，案例和控制之间的显着差异很快消失，但使用广义线性模型时，它仍然非常显着。
回复：如何调整协变量我倾向于同意您的结论，但前提是分析表明您的数据满足模型和回归假设。 这似乎是一项重要的研究。 在研究设计和研究中收集的数据分析时应小心谨慎。 这个分析不是简单的t检验，t检验也没有那么简单。
是否可以分享有关该研究的更多信息。 例如，重复拟合模型的设置，但确保重点 = 效果杠杆。 您可以附上一张预测的实际图片和一组杠杆图吗？ 另外，预测图的残差还是标准化残差图？ 这些图对于评估您的分析是否正确有很大帮助，然后您就可以自信地得出结论。
回复：如何调整协变量抱歉，我是一名临床医生，而不是统计学家。 不幸的是，我工作的地方没有统计学家，所以我必须自己弄清楚。
我会再试一次
我有病例和对照的回顾性数据（是否需要升级护理）。 当我通过非参数 Wilcoxon 检验使用 Fit Y by X 时，这两组的结果、住院时间有显着差异。 （病例的停留时间较长）
然而，两组并不相似，对照组的病情严重程度远高于病例。
由于病情严重程度或以上的患者预计住院时间也会更长，因此应该预期，当我将病情严重程度纳入模型时，两组之间的住院时间差异会变得更加显着。
然而，当我使用拟合模型时，使用 ICU 住院时间作为 Y，以及模型效果中疾病严重程度评分和病例/对照的分类变量。 我得到以下参数估计值
截距 3.99 ，概率 >t < 0.0001
PIM 3 -0.17, 0.0039
病例/对照 -0.22 0.514
我据此假设，在模型中包含疾病严重程度的情况下，病例/对照之间在住院时间方面没有显着差异。
回复：如何调整协变量你没有道理。 ”在病例和对照之间的结果变量（ICU住院时间、住院时间和呼吸机天数）的单变量比较中，存在非常显着的差异（P值<0.0001）。 年龄组和疾病严重程度评分确实存在差异“不是单变量比较。 另外，为什么您期望没有差异？
除了回归模型的假设问题之外，对差异（例如，对照组疾病评分较高）进行建模应该没有困难。 事实上，差异越大，效果越显着，参数估计也越重要。
我不知道你所说的“调整”是什么意思。
我不知道你说的是什么意思“回归模型没有考虑负号。”
回复：如何调整协变量谢谢。 这是最合乎逻辑的做法。
然而，我并不完全确定我得到的结果是正确的。
在病例和对照之间的结果变量（ICU住院时间、住院时间和呼吸机天数）的单变量比较中，存在非常显着的差异（P值<0.0001）。 年龄组和疾病严重程度评分确实存在差异
对照组的疾病严重程度评分高于病例（对照组的平均评分为 2.5，而病例的平均评分为 -4.5）。这意味着对照组的住院时间应该更长。 当我调整疾病严重程度评分时，差异会更加明显。
我假设回归模型没有考虑负号（病情较轻的患者得分为负数.. 当他们病情加重时，分数变得更加积极）
回复：如何调整协变量将协变量作为附加预测变量包含在多元回归模型中。
选择分析 > 拟合模型。 选择响应数据列并单击 Y。 选择预测变量/因子和协变量数据列，然后单击添加。现在单击运行。 使用效果测试来确定每个术语的重要性。 使用参数估计来确定每个术语的重要性。 单击红色小三角并选择因子刻画 > 刻画器以了解每个预测变量和协变量的变化对响应的贡献。
有关更多详细信息和示例，请参阅“帮助”>“书籍”>“拟合线性模型”。
