Les posteurs les plus actifs de la semaine
Aucun utilisateur |
Sujets les plus vus
Régression de Cox : différence entre univarié et multivarié
2 participants
Page 1 sur 1
Régression de Cox : différence entre univarié et multivarié
Bonjour à tous,
Je travaille actuellement dans le cadre de données de survie et je souhaite utiliser un modèle de régression de Cox afin d'expliquer ma variable de décès. Je dispose d'un ensemble de plusieurs variables explicatives (A, B, C, D, ...) toutes binaires.
Dans un premier temps, j'étudie un modèle de régression de Cox univarié avec comme seul variable explicative la variable A. J'obtiens une p-value associée à cette variable de 0.057 .
Dans un second temps, j'étudie un modèle de régression de Cox multivarié avec comme variables explicatives, toujours ma variable A mais également les variables B, C et D. Cette fois, pour la variable A j'obtiens une p-value de 0.0238 .
Si je compare ces deux modèles en prenant comme seuil 5 %, dans le cas du modèle univarié, ma variable A ne sort pas comme étant significative et dans le cas du modèle multivarié si.
Comment justifier cela ? Je suis bien consciente que les deux modèles sont différents donc les valeurs obtenues pour les p-value et autres éléments le seront aussi, mais je me demandais quels sont les éléments qui peuvent influer ainsi sur la p-value. Est-ce que par exemple il serait possible qu'une éventuelle liaison entre la variable A et une (ou plusieurs) autre variable du modèle entraine cette différence, interprétée à 5 % comme une différence de significativité ?
Egalement, si je souhaite tester les éventuelles liaisons entre ma variable A et les autres variables explicatives utilisées dans mon modèle multivarié, quel(s) test(s) statistique(s) choisir ? J'avais dans un premier temps pensé à un "classique" test du khi-deux mais la notion temporelle (de survie) y est absente. Y a-t-il d'autres tests disponibles pour un tel cas ?
Je vous remercie par avance pour vos éclaircissements !
Cordialement,
A.D.
Je travaille actuellement dans le cadre de données de survie et je souhaite utiliser un modèle de régression de Cox afin d'expliquer ma variable de décès. Je dispose d'un ensemble de plusieurs variables explicatives (A, B, C, D, ...) toutes binaires.
Dans un premier temps, j'étudie un modèle de régression de Cox univarié avec comme seul variable explicative la variable A. J'obtiens une p-value associée à cette variable de 0.057 .
Dans un second temps, j'étudie un modèle de régression de Cox multivarié avec comme variables explicatives, toujours ma variable A mais également les variables B, C et D. Cette fois, pour la variable A j'obtiens une p-value de 0.0238 .
Si je compare ces deux modèles en prenant comme seuil 5 %, dans le cas du modèle univarié, ma variable A ne sort pas comme étant significative et dans le cas du modèle multivarié si.
Comment justifier cela ? Je suis bien consciente que les deux modèles sont différents donc les valeurs obtenues pour les p-value et autres éléments le seront aussi, mais je me demandais quels sont les éléments qui peuvent influer ainsi sur la p-value. Est-ce que par exemple il serait possible qu'une éventuelle liaison entre la variable A et une (ou plusieurs) autre variable du modèle entraine cette différence, interprétée à 5 % comme une différence de significativité ?
Egalement, si je souhaite tester les éventuelles liaisons entre ma variable A et les autres variables explicatives utilisées dans mon modèle multivarié, quel(s) test(s) statistique(s) choisir ? J'avais dans un premier temps pensé à un "classique" test du khi-deux mais la notion temporelle (de survie) y est absente. Y a-t-il d'autres tests disponibles pour un tel cas ?
Je vous remercie par avance pour vos éclaircissements !
Cordialement,
A.D.
Re: Régression de Cox : différence entre univarié et multivarié
Bonjour,
La p-value diminue=> il peut y avoir corrélation avec d'autres variables. Mais sinon, si tu as simplement d'autres variables qui expliquent bien ce que tu dois expliquer, alors la variance des résidus diminue => la variance de l'estimateur diminue et la valeur du test de significativité augmente et la p-value diminue.
Pour le test avec la notion de temps en plus, je ne sais pas... tu peux te faire plusieurs tests en fonction de leur durée dans l'étude peut-être?
Niaboc
La p-value diminue=> il peut y avoir corrélation avec d'autres variables. Mais sinon, si tu as simplement d'autres variables qui expliquent bien ce que tu dois expliquer, alors la variance des résidus diminue => la variance de l'estimateur diminue et la valeur du test de significativité augmente et la p-value diminue.
Pour le test avec la notion de temps en plus, je ne sais pas... tu peux te faire plusieurs tests en fonction de leur durée dans l'étude peut-être?
Niaboc
niaboc- Nombre de messages : 1001
Age : 37
Localisation : Paris
Date d'inscription : 05/05/2008
Sujets similaires
» Conclusions Univarié/Multivarié
» lien entre coefficient de correlation et regression linéaire
» Regression et corrélation/causalité entre variables
» différence entre corrélation et régression multiple
» relation entre ANOVA et regression simple
» lien entre coefficient de correlation et regression linéaire
» Regression et corrélation/causalité entre variables
» différence entre corrélation et régression multiple
» relation entre ANOVA et regression simple
Page 1 sur 1
Permission de ce forum:
Vous ne pouvez pas répondre aux sujets dans ce forum