Hola
Tengo un conjunto de datos con 22 variables de salud (N = 400) tratando de hacer modelos de predicción para el resultado, que son 3 categorías. Entonces, apliqué la regresión multinomial stepwsie y también el cribado de predictores para seleccionar las variables óptimas.
¡NO soy estadístico! Entonces, contacte a esta comunidad para pedir consejo.
¿Un estadístico revisó el análisis y me dijo que la regresión por pasos no debería usarse en entornos clínicos...? Más bien, las variables deben seleccionarse basándose en la experiencia clínica. Mi argumento fue "¿cómo podemos entonces encontrar nuevos métodos o tratamientos si utilizamos conocimientos antiguos?"
Se refiere a un artículo de 1991... Al leer publicaciones más recientes, tengo una visión diferente.
https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0202344
Copas, JB y Long, T. (1991). Estimación de la varianza residual en regresión ortogonal con selección de variables. Revista de la Real Sociedad de Estadística. Serie D (El estadístico), 40(1), 51–59. https://doi.org/10.2307/2348223
En resumen:
"La regresión por pasos es una de las técnicas estadísticas más utilizadas. En una regresión de la variable dependiente y sobre variables independientes (o explicativas) x₁, x₂,…, xₚ, la idea es incluir sólo aquellas x que sean 'significativas' y omitir aquellos que contribuyen poco o nada a la predicción de y. Aunque la selección de variables puede conducir a un modelo muy simplificado, existen peligros que no siempre son reconocidos por los usuarios de paquetes estadísticos. La elección de las variables que se incluirán depende de la regresión estimada. coeficientes de regresión en lugar de sus valores verdaderos, por lo que es más probable que xⱼ se incluya si su coeficiente de regresión está sobreestimado que si su coeficiente de regresión está subestimado. Por lo tanto, los coeficientes de regresión de las variables seleccionadas están sesgados hacia arriba (suma de cuadrados de regresión demasiado grande) y en En consecuencia, la variación residual, que incluye la contribución de las variables que se omiten, está sesgada hacia abajo (suma residual de cuadrados demasiado pequeña)".
¿Algún comentario sobre esto de alguien?
