一道饕餮大餐来了！手把手教你如何科学地构建回归模型！

回归分析，譬如线性回归、logistic回归、Cox比例风险模型，是一项医学研究常见的统计学方法。

回归模型的构建，似乎很简单，自打郑某人接触数据分析以来，套路似乎都一个模式：选择一类回归分析方法，先单因素，后多因素开展回归分析。十多年来如一日（抱歉，似乎暴露了俺的年龄）。

港真的，回归模型没有那么简单。。。但是纵观所有教科书、网络课程，就没有人来好好说说，如何才能科学合理地构建一个回归模型。

现在只好轮到老郑出马了！

在这之前，我已经初步地介绍了回归分析在观察性研究的应用（如何学习统计学与SPSS？来学习这36篇推文吧），不过我一直没有细讲，很多人也留言咨询，比如“哑变量郑老师怎么没有讲？要不要开展逐步回归法？趋势性检验究竟如何做？”等等。

现在，在观察性研究基础上，好好讨论回归方法的细节，手把手教大家如何构建回归分析，所有过程能用最简单的SPSS软件时，就不再考虑复杂的统计软件。具体内容大致如下：

1. 三大回归的基本应用条件

2. 回归的哑变量设置分析

3. 自变量是定量变量，有哪些统计策略？

4. 详解回归的趋势性分析

5. 多重共线性问题如何处理？不能简单粗暴！

6. 逐步回归法是好方法吗？

7. 自变量筛选的基本原则与方法

8. 中介变量，一直很重要，一直被忽视

9. 预测模型与危险因素模型，自变量筛选有何不同？

10.混杂因素控制的回归模型，其实有更推荐的方法

11. 单因素有统计学意义，多因素没有，我该怎么办？

12. DAG方法，不妨了解一下

13. 非线性回归的统计分析方法

14.  ... ...

我还是老规矩，至少一周一篇，有时间一周双篇。我的目的是，在所有系列完成之后，诸位可以根据不同的研究分析目的，不会再简单粗暴的使用回归分析，而是全面思考严谨的回归模型构建过程。

对于上述清单？你有何感想？如果有有更好的内容建议，请留言！饕餮大餐精彩纷呈，敬请持续关注！

欢迎关注本公众号，我们是资源的搬运工，所有科研资源全部免费下载：

支持郑老师，

快来点击“分享”吧