跳到主页面内容
美国国旗

美国政府的官方网站

Dot政府

gov意味着它是官方的。
联邦政府网站通常以.gov或.mil结尾。之前分享敏感信息,确保你在联邦政府政府网站。

Https系统

该站点是安全的。
这个https(https)://确保您连接到官方网站,并且您提供的任何信息都是加密的并安全传输。

访问密钥 NCBI主页 MyNCBI主页 主要内容 主导航
比较研究
.2000年4月30日;19(8):1059-79.
doi:10.1002/(sici)1097-0258(20000430)19:8<1059::aid-sim412>3.0.co;2-0.

logistic回归分析的预测建模:小数据集中选择和估计方法的比较

附属公司
比较研究

logistic回归分析的预测建模:小数据集中选择和估计方法的比较

E W Steyerberg公司等。 统计医学. .

摘要

Logistic回归分析可以很好地用于建立二分法结果的预测模型。特别是当有限的数据可用时,很难确定合适的协变量选择以纳入此类模型。此外,可以通过在回归系数的估计中应用某种收缩来改进预测。在本研究中,我们比较了几种选择和收缩方法在急性心肌梗死患者小数据集中的性能,我们的目标是预测30天死亡率。选择方法包括反向逐步选择,显著性水平α为0.01、0.05、0。157(AIC标准)或0.50,以及在模型中使用关于回归系数符号的定性外部信息。估计方法包括标准最大似然法、使用线性收缩因子、惩罚最大似然、拉索法或单变量回归系数的定量外部信息。我们发现,当根据独立数据进行评估时,低α(例如0.05)的逐步选择导致相对较差的模型性能。在具有有限数量的重要预测因子的完整模型中,可以获得更好的性能,其中回归系数可以通过任何收缩方法降低。纳入外部信息进行选择和评估,提高了预测模型的稳定性和质量。因此,当在小数据集中构建预测模型时,我们建议在完整模型中使用收缩方法,包括预先指定的预测因子和合并外部信息。

PubMed免责声明

类似文章

引用人

出版物类型

LinkOut-更多资源