先说我的建议
（1）如果你构建预测模型，逐步回归法可以用。
（2）如果你只是是探讨影响因素，尽量不要用逐步回归法。你觉得自变量太多，那么在单因素分析时候就限制（P值较小者纳入多因素回归），而不是逐步回归法控制。
下文说理由：
现在很多人知道，回归分析要么用来探讨影响因素，要么可以用来构建预测模型。但是构建预测模型的文章毕竟少数，绝大多数只是为了探讨影响因素。
目前无论是哪个目的，国内很多人开展统计分析，构建回归模型筛选自变量，都喜欢用逐步回归法(向前、向后、双向）。我不知道是哪里的统计学教育出问题了，还是就是因为统计学老师自己都没有搞清楚？
事实上，逐步回归法是是给构建预测模型用的，不是探讨影响因素用的。它的目的是用最少的因子，成功构建出不差于全变量模型（通过用R^2、-2倍对数似然值或者AIC等指标评价拟合效果），也就是通过软件的方法，筛选出有用的自变量，其拟合效果不差于全部自变量放入模型，而且较少的自变量个数有利于模型的构建（回归模型样本量对自变量个数有限制）。
但只是探讨探讨影响因素而非构建预测模型时，逐步回归法有什么优势？
（1）有人说，逐步回归法可以减少冗余的自变量
其实，这不是好的解决办法。冗余的自变量有两套解决方案。第一，我们构建回归时候，在考虑哪些可能的影响因素时，就应该慎重考虑，不是所有阿狗阿猫都作为候选自变量开展回归分析，与结局变量“拉郎配”。
只有与结局变量可能存在着因果关系的变量，才推荐开展回归分析。这一点，是需要从专业上去考虑的。
第二，在统计分析的时候，若自变量个数很多，在单因素分析时就卡关，不随便纳入自变量进入最终的多因素回归模型。一般单因素分析P值较小者纳入回归模型。
（2）逐步回归法可以把没有统计学意义的自变量淘汰出去，它们不应该留在模型中
这种理解是不对的！多因素回归可以允许P值大于0.05的自变量留在模型并报告出来吗？当然可以。而且也推荐呈现在最后报告中，以展现哪些有统计学意义，哪些没有统计学意义。
（3）逐步回归法效果更好
不见得。逐步回归法优点在于把对因变量影响较小的都淘汰掉，自变量个数减少了，所以留在模型的自变量效应会增强！看起来变美好了。
这个前提是你自变量实在太多了。但是，这种情况是不多见的。如果回归分析放入太多的自变量，那么逐步回归法也挽救不了你。
（4）有人说，逐步回归法可以处理多重共线性
很多时候，由于自变量存在着高度相关。这个时候，连教科书都推荐试试逐步回归法呀！
这种做法其实很要命！这是一种完全无视数据特点，强行胡乱进行自变量筛选的一种方法。
为什么有多重共线性？多重共线性往往由于变量之间存在着关联性，这种关联性有几种情况：
第一，这个变量是混杂变量，由于混杂变量与自变量相关，所以造成部分共线性
第二，这个变量是中介变量，中介变量也会造成自变量相关
第三，变量是同个东西。比如年龄这一定量变量和根据年龄进行分组产生年龄的等级变量，那么原先的年龄定量数据和等级变量的年龄就是高度相关，如果它们一同纳入模型，就会造成共线性
第四，一个事物的两个属性，比如身高与坐高，相关高度相关，如果，如果他们一同纳入模型，就会造成共线性
实际上，除了第一点之外，我们在处理多重共线性时，典型的方法是排除造成多重共线性的变量。比如身高坐高在回归分析应该2选1，定量年龄和分类年龄应该2选1，中介变量不能纳入模型。
逐步回归法解决不了真正复杂的多重共线性，但会给你一种假象：我用了逐步回归法，所以我的结果很可靠！实际上，当你忽视自变量之间的关系属性而直接应用逐步回归法， 统计分析结果结果不太会好看。
所以这么说来，逐步回归法在回归模型探讨影响因素的过程中，都不是主要的策略。
（1）所建立的回归模型要能够成功构建，不能因为自变量过多而导致失败（逐步法不是主要策略）
（2）所建立回归模型不需要所有自变量都有统计学意义，因为这不是预测模型（不需要逐步法）
（3）所建立回归模型中，关键指标无论是否具有统计学意义，都应该在模型中（不应该逐步法）。
（4）所建立的模型，应该认真中介变量带来的影响，可能要排除中介变量（应该人为剔除中介变量，或者采用中介分析）。
（5）所建模型尽量避免多重共线性（更推荐人为剔除造成多重共线性的变量）。
此外，由于逐步回归法筛选自变量纳入模型的方式不是P值小于0.05才留在统计模型中，而是R^2、-2倍对数似然值或者AIC等指标的改变来做出决定，于是有些时候P值大于0.05，还留在回归模型，那就不尴不尬了。
没错！逐步回归法后可能会出现P值大于0.05的自变量还留在模型中，你说这个自变量到底最后是留还是不留？P值大于0.05的自变量要不要写在报告里面呢？明明没有统计学意义。
所以，我的建议是：
（1）如果你构建预测模型，逐步回归法可以用。
（2）如果你是探讨影响因素，尽量不要用逐步回归法。你觉得自变量太多，那么在单因素分析时候就限制（P值较小者纳入多因素回归）。
如果普通归得不到你想要的，那么逐步回归法也不会给你想要的！
转自：“医学论文与统计分析”微信公众号
如有侵权，请联系本站删除！
