你好
我有一个包含 22 个健康变量的数据集（N=400），试图为结果（分为 3 个类别）建立预测模型。因此，我应用了stepwsie多项回归和预测筛选来选择最佳变量。
我不是统计学家！因此，请向该社区寻求建议。
一位统计学家审查了分析，并告诉我逐步回归不应该在临床环境中使用......？相反，应根据临床经验选择变量。我的论点是“如果我们使用旧知识，我们如何才能找到新方法或治疗方法？”
他指的是 1991 年的一篇论文……阅读较新的出版物，我得到了不同的看法，
https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0202344
Copas，JB 和 Long，T. (1991)。通过变量选择估计正交回归中的残差。皇家统计学会杂志。 D 系列（统计学家），40(1)，51–59。 https://doi.org/10.2307/2348223
总之：
“逐步回归是最广泛使用的统计技术之一。在因变量 y 对自变量（或解释性）x₁、x2、…、xₚ 的回归中，其想法是仅包含那些“显着”的 x，并省略那些对 y 的预测贡献很小或没有贡献的变量。虽然变量选择可以导致模型大大简化，但统计包的用户并不总是认识到其中的危险。要包含的变量的选择取决于估计的回归因此，如果回归系数被高估，则 xⱼ 更有可能被包含在内，而不是其回归系数被低估。因此，所选变量的回归系数会向上偏差（回归平方和太大），并且在结果，剩余变异（包括被忽略的变量的贡献）向下偏差（剩余平方和太小）。”
有人对此有何评论吗？
