我正在研究一个大约40名眼科患者的数据库，从中我们获得了90个变量。这些变量主要为二项式（1包含该疾病/特征，0不包含）。因此，我最初的方法是进行单变量分析，过滤掉那些p值较低（0.25）的变量，然后使用逐步方法，使用AIC减少变量的数量，以便只有显着的变量留在模型中。
问题是，这个数据库来自一项数据相对较差的研究，许多变量的值不允许我们在不应用偏差减少的情况下进行操作。我使用的是brglm2软件包。因此，我有以下公式：
glm(respondstotreatment ~ v1+v2+v3..., family = "binomial", data = data, method = brglm2::brglm_fit)所以，我意识到有一些观测结果有大量的NA。我只剩下36个观察结果，从我获得的观察结果中，我使用scale（）函数对数值变量进行了缩放。
最后，我得到了一个确定的模型，只有5个变量和合理的值。此外，它符合文献，并且可以对其进行解释。
事情是这样的，几周后（今天）我的老板告诉我，我把0.00作为一个值更好地把真实的的价值（我的意图是说，获得的比值比低于0.001），但她希望值“确切”。
当我按照上一次做的相同步骤重复分析时，我得到了不同的值，我不知道这是因为step（）方法选择了这些值以便输入，还是我对数据进行了一些其他必要的标准化，我现在不记得了。
因此，我建议学习更多关于标准化数据和方法的知识，以便从现在开始创建更健壮和可复制的方法（并摆脱这种混乱）。
我得到的模型的AIC是25，我现在能达到的AIC是32。……
你有什么主意吗？
1条答案
按热度按时间lnlaulya1#
当涉及到**standardizing data**时，您有几个选项可用。以下是一些常用的技巧：
**Z分数标准化：**该方法通过减去平均值并除以标准偏差来转换数据。它将数据集中在零附近，标准差为1，从而得到平均值为零的分布。
**最小-最大缩放：**此技术在指定范围之间缩放数据，通常在0和1之间。它减去最小值并除以最大值和最小值之间的差。
**十进制缩放：**在这种方法中，数据除以10的幂以移动小数点。比例因子由数据集中的最大绝对值确定，确保所有值都在指定范围内。
**稳健标度：**此方法类似于Z分数标准化，但使用中位数和四分位距而不是平均值和标准差。它对异常值不太敏感，更适合于具有极值的数据。
**对数转换：**此技术对数据应用对数函数。它对具有偏斜分布的数据特别有用，有助于归一化分布并减少极值的影响。
**单位向量缩放：**也称为归一化，该方法缩放数据，使每个样本的欧几里得范数（长度）为1。它通常用于依赖于距离计算的机器学习算法。
标准化技术的选择取决于数据的具体特征以及分析或模型的要求。在选择适当的标准化方法时，考虑数据的性质、异常值的存在以及分析的目标是很重要的。