涉及≥3个变量的相关性分析，如何选择统计方法？
2019-12-04 李侗桐 医咖会
先看示例分析三个及以上变量的相关性时，我们的主要目的是分析两个“主要”观察变量的相关性，并考虑其它因素对其关联的影响，这就需要纳入其它因素。以三个变量为例，我们拟研究变量A和变量B之间的相关性，但希望“去掉”或“校正”变量C的影响，即分析调整变量C后，变量A和变量B的关系。在这种情况下，我们就需要在该研究中纳入变量C。纳入其它因素是为了去除该类因素对主要观察变量相关性的影响。调整该类因素后，可以减
先看示例
分析三个及以上变量的相关性时，我们的主要目的是分析两个“主要”观察变量的相关性，并考虑其它因素对其关联的影响，这就需要纳入其它因素。以三个变量为例，我们拟研究变量A和变量B之间的相关性，但希望“去掉”或“校正”变量C的影响，即分析调整变量C后，变量A和变量B的关系。在这种情况下，我们就需要在该研究中纳入变量C。
纳入其它因素是为了去除该类因素对主要观察变量相关性的影响。调整该类因素后，可以减少其对研究结果的干扰，更加准确地分析两个主要观察变量之间的关联，保证结果的真实可靠性。示例如下：
同样的例子也适用于分析含有4个或更多变量的相关性分析中，两个主要观察变量不变，但需要控制因素的数量增加，示例如下：
统计方法选择
1.1 两个主要观察变量是连续变量
① 纳入其它连续变量
Pearson偏相关。Pearson偏相关适用于分析两个连续变量的相关性，可以纳入其他连续变量。该检验不区分自变量和因变量，是Pearson相关中包含2个以上连续变量的特殊类型，不仅可以提示偏相关的统计学意义，而且可以通过相关系数提示关联强度。
② 纳入其它任意类型变量
多重线性回归。如果想区分自变量和因变量，可以采用多重线性回归进行分析。该检验不仅可以反映相关性，而且可以根据自变量预测因变量。需要注意的是，无序多分类的自变量需要做哑变量处理。有序分类变量如果不是定距的，也需要做哑变量处理。
1.2 两个主要观察变量均为分类变量
① 因变量是二分类变量
二分类Logistic回归。如果想区分自变量和因变量，可以采用二分类Logistic回归。该检验不仅可以反映相关性，而且可以通过自变量预测因变量。并且可以纳入其它连续、二分类、无序或有序多分类变量。
② 因变量是有序多分类变量
有序多分类Logistic回归。有序多分类Logistic回归在分析相关性时可以区分自变量和因变量，该检验不仅可以反映相关性，而且可以通过自变量预测因变量。并且可以纳入其它连续、二分类、无序或有序多分类变量。
③ 因变量是无序分类变量
无序多分类Logistic回归。同样需要注意的是，二分类、有序多分类和无序多分类Logistic回归中，无序多分类的自变量需要做哑变量处理。有序分类变量如果不是定距的，也需要做哑变量处理。
小提示：本篇资讯需要登录阅读，点击跳转登录
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#相关性#
84
#相关性分析#
76
#统计方法#
98