6、回归建模策略与Cox比例风险模型解析

回归建模策略与Cox比例风险模型解析

1. 有序分类协变量的处理

在数据分析中，有序分类协变量的处理是一个关键问题。当遇到有序分类的协变量时，通常会期望结果随类别水平的变化而增加或减少，即存在一种趋势关系。

1.1 两种处理方式

• 将有序类别视为连续变量 ：可以将类别编码为1, 2, 3, …，然后将该协变量当作连续变量处理。但这种方法隐含了一个先验假设，即相邻类别之间的差异相等，这是一个较强的线性趋势假设。例如，在分析社会阶层这一协变量时，如果将其作为连续变量，可能会丢失一些信息，因为它只能得到一个效应估计值。
• 将有序类别视为普通类别 ：这种方式的优点是可以避免线性趋势假设，深入了解这些差异的真实大小。比如在分析社会阶层时，可能会发现不同阶层之间的差异并不相等。

1.2 两种处理方式的效果对比

以社会阶层作为协变量，以身体质量指数作为结果的数据集为例，进行两种分析：
|分析方式|β估计值|95%置信区间|p值|
| ---- | ---- | ---- | ---- |
|将社会阶层作为分类协变量|II与I对比：0.81
III与II对比：0.96|II与I对比：[-0.78, 2.41]
III与II对比：[-0.63, 2.55]|0.099|
|将社会阶层作为连续协变量|0.89|[0.09, 1.68]|0.031|

从上述表格可以看出，将社会阶层作为连续协变量时，置信区间更窄，p值更小。这是因为在处理社会阶层作为连续协