Salut
J'ai un ensemble de données avec 22 variables de santé (N = 400) essayant de créer des modèles de prédiction pour les résultats, qui sont constitués de 3 catégories. J'ai donc appliqué la régression multinomiale stepwsie, ainsi que le Predictor Screening pour sélectionner les variables optimales.
Je ne suis PAS statisticien ! Alors, contactez cette communauté pour obtenir des conseils.
Un statisticien a examiné l'analyse et m'a dit que la régression pas à pas ne devrait pas être utilisée en milieu clinique... ? Les variables doivent plutôt être sélectionnées en fonction de l’expérience clinique. Mon argument était le suivant : "comment pouvons-nous alors trouver de nouvelles méthodes, ou traitements, si nous utilisons d'anciennes connaissances ?"
Il fait référence à un article de 1991... En lisant des publications plus récentes, j'ai un point de vue différent,
https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0202344
Copas, JB et Long, T. (1991). Estimation de la variance résiduelle dans la régression orthogonale avec sélection de variables. Journal de la Royal Statistical Society. Série D (Le Statisticien), 40(1), 51-59. https://doi.org/10.2307/2348223
En résumé:
"La régression pas à pas est l'une des techniques statistiques les plus utilisées. Dans une régression de la variable dépendante y sur des variables indépendantes (ou explicatives) x₁, x₂, …, xₚ, l'idée est d'inclure uniquement les x qui sont « significatifs » et d'omettre. celles qui contribuent peu ou pas à la prédiction de y. Bien que la sélection des variables puisse conduire à un modèle considérablement simplifié, il existe des dangers qui ne sont pas toujours reconnus par les utilisateurs de progiciels statistiques. Le choix des variables à inclure dépend de la régression estimée. plutôt que leurs vraies valeurs, et donc xⱼ est plus susceptible d'être inclus si son coefficient de régression est surestimé que si son coefficient de régression est sous-estimé. Par conséquent, les coefficients de régression des variables sélectionnées sont biaisés vers le haut (somme des carrés de régression trop grande) et dans par conséquent la variation résiduelle, qui inclut la contribution des variables omises, est biaisée à la baisse (somme des carrés résiduelle trop petite)."
Des commentaires de quelqu'un à ce sujet ?
