原始研究：
我們在做統(tǒng)計分析時，很多人都習慣這樣的分析套路：先進行統(tǒng)計描述，然后做單因素分析，最后再進行多因素分析。在閱讀文獻時，我們也會發(fā)現(xiàn)，不管是一般的統(tǒng)計描述還是單因素分析，往往能夠支持研究人員作出結(jié)論的，還是要看最終的多因素分析結(jié)果。
在前期推送的內(nèi)容中我們也講過，多因素分析的目的是通過控制其它多個混雜因素的影響，找出具有獨立作用的影響因素，并估計其效應大小。
既然這樣的話，做單因素分析還有什么用呢，直接做多因素分析不就好啦？
多因素分析的地位固然重要，但是單因素分析也必不可少，單因素分析可以為多因素分析提供很多有效的信息，將單因素和多因素分析的結(jié)果進行比較，也能發(fā)現(xiàn)很多問題。如果單因素和多因素分析的結(jié)果一致的話，結(jié)論就比較穩(wěn)定且容易解釋，但是我們常常會遇到單因素和多因素分析的結(jié)果不一致，甚至是出現(xiàn)相互矛盾的尷尬情況，此時又該怎么辦，該如何去解釋呢？
今天我們就來一起聊一聊單因素分析和多因素分析之間的愛恨情仇。
首先我們根據(jù)單因素分析和多因素分析的結(jié)果對比，將可能出現(xiàn)的情況做一個四格表，如表1所示，分為A、B、C、D一共4種情況，下面我們分別對這四種情況進行討論。
情況A
單因素分析和多因素分析的結(jié)果都顯示無統(tǒng)計學顯著性，兩者結(jié)果一致，均為陰性結(jié)果
在這種情況下，結(jié)果還是相對比較好解釋的，一般基本上可以認為該因素對于結(jié)局事件來說，不是一個有意義的影響因素。
但是事情也并非這么簡單，如果該因素作為一個混雜因素，在多因素分析中只是用來起到調(diào)整混雜作用的目的，那么雖然它在單因素和多因素分析中都是陰性結(jié)果，可能也不會太引起研究人員的重視；但是如果該因素是研究中所重點關(guān)注的一個因素，例如暴露/處理因素，此時單因素和多因素分析都得出陰性結(jié)果的話，就會讓人感覺比較沮喪，不過也更值得我們好好去思考一下陰性結(jié)果背后的意義。
到底是該暴露/處理因素對結(jié)局事件真的沒有影響，還是說因為其他原因而導致它的實際效應沒有被顯示出來？到底是研究設計的問題，還是指標定義的問題，亦或是統(tǒng)計方法的問題呢？都需要我們認真去查找一下原因，可以參考前期推送的有關(guān)介紹“陰性結(jié)果”的系列文章，或許可以幫助你尋找一下產(chǎn)生陰性結(jié)果的原因，開拓一下分析思路。
情況B
單因素分析結(jié)果顯示無統(tǒng)計學顯著性
但多因素分析結(jié)果顯示有統(tǒng)計學顯著性
這種情況可能并不常見，主要是因為在單因素分析中沒有統(tǒng)計學顯著性的因素，按照一般的做法就不會再將此變量納入到多因素分析中了，但其實上述做法小咖并不推薦，它是存在一定缺陷的。
我們在前期介紹《如何理解回歸模型中的“調(diào)整”和“獨立作用”》的內(nèi)容中講到，在單因素分析中，由于自變量之間存在一定的相互關(guān)聯(lián)，自變量對因變量的影響反映的不僅僅單純是它本身的作用，而是包含了該變量自身作用以及其他變量的混雜作用之后，呈現(xiàn)出來的一個綜合的結(jié)果。而在多因素分析中，通過構(gòu)建回歸模型，調(diào)整了其他混雜因素的影響，從而才使該因素對因變量的真實效應顯示出來。
因此不難理解，當某因素在單因素分析結(jié)果中無統(tǒng)計學顯著性，而多因素分析結(jié)果有統(tǒng)計學顯著性時，此時可能的原因是，該因素與其他混雜因素之間可能存在一定的關(guān)聯(lián)，在單因素分析時，該因素的真實效應被其他混雜因素的作用所掩蓋，通過多因素分析消除其他因素的影響后，才發(fā)現(xiàn)原來該因素對于結(jié)局事件來說是具有獨立作用的。
舉一個例子，例如某因素A是一個危險因素，而因素B是一個保護因素，由于具有因素A的個體，大部分人同時也具有因素B，因此在單因素分析中，因素A的作用并沒有顯現(xiàn)出來，這是因為因素A的危險作用被因素B的保護作用所掩蓋了，無法體現(xiàn)因素A的實際效應。而通過多因素分析，將因素B的保護作用進行調(diào)整，從而暴露出因素A真實的危險作用。
情況C
單因素分析結(jié)果顯示有統(tǒng)計學顯著性
但多因素分析結(jié)果顯示無統(tǒng)計學顯著性
想必大家都會經(jīng)常遇見到這種情況，單因素分析時該因素有統(tǒng)計學顯著性，然后就很興奮地把它扔進多因素分析中，結(jié)果多因素分析結(jié)果卻顯示沒有統(tǒng)計學顯著性，感覺前功盡棄，很讓人頭痛，不知道是出了什么問題，到底該怎么辦了。
我們?nèi)匀灰郧巴扑偷摹?a target="_blank">傳統(tǒng)單因素分析和單因素回歸分析》一文中所引用的研究為例，如表2和表3所示。
表2. 研究對象基線特征
表3. 單因素和多因素Cox回歸結(jié)果
文章中傳統(tǒng)的單因素分析結(jié)果顯示，Non-HDL-C平均水平在發(fā)生心血管疾病組要高于對照組，兩組水平分別為124mg/dL和114mg/dL，差異有統(tǒng)計學顯著性(P<0.01)；
然后作者進行了單因素回歸分析，其結(jié)果顯示Non-HDL-C對于心血管疾病的發(fā)生是一個危險因素，HR=1.45，95%CI為1.11-1.88(P<0.01)；
最后作者又進行了多因素回歸分析，結(jié)果顯示Non-HDL-C對于心血管疾病發(fā)生的影響消失了，沒有統(tǒng)計學顯著性，HR=1.77，95%CI為0.98-3.15(P：No Significance)。為什么會出現(xiàn)這樣的情況呢？
如果你對情況B產(chǎn)生的原因已經(jīng)理解，那么情況C也是同樣的道理。在單因素分析中，自變量與因變量之間可能出現(xiàn)一定的假關(guān)聯(lián)或者是間接的關(guān)聯(lián)，例如某因素A對結(jié)局事件并無影響，而因素B對于結(jié)局事件是一個影響因素，但是由于因素A只是單純的和因素B有強烈的相關(guān)性，兩者存在共線性的現(xiàn)象，那么在單因素分析中，就可能出現(xiàn)因素A也存在顯著差異的結(jié)果，從而導致因素A被誤認為是一個影響因素而納入到多因素分析中。
而在多因素分析中通過調(diào)整因素B的影響，因素A與因變量的“假關(guān)聯(lián)”就消失了，此時可以認為因素A實際上對于結(jié)局事件并非是一個影響因素。就如同上述研究中的Non-HDL-C這個指標，在單因素分析中，它與心血管疾病的關(guān)聯(lián)受到其它因素的影響，可能只是一種“假關(guān)聯(lián)”，這種“假關(guān)聯(lián)”在多因素分析中就很容易被調(diào)整而消失。
(注：針對Non-HDL-C這個指標，本文只從統(tǒng)計結(jié)果的角度將該研究作為例子進行講解，不對Non-HDL-C作專業(yè)上的解釋，具體意義需結(jié)合臨床)
情況D
單因素分析和多因素分析的結(jié)果都顯示統(tǒng)計學顯著性，兩者結(jié)果一致，均為陽性結(jié)果
這種情況應該是大家最愿意看到的情況吧，往往單因素和多因素分析都出現(xiàn)陽性結(jié)果，以此結(jié)果作出的結(jié)論還算是比較穩(wěn)定可靠，可以放心地寫文章投稿了，但前提是單因素和多因素分析的陽性結(jié)果的方向是一致的，比如單因素分析顯示病例組某因素的水平顯著高于對照組，多因素分析也顯示該因素為危險因素，兩者的結(jié)果都傾向于該因素對結(jié)局事件具有危險作用。
不過偶爾也會遇見這樣的情況，雖然單因素和多因素分析都得出陽性結(jié)果，但是有時單因素分析顯示為危險因素，而多因素分析顯示為保護因素，或者單因素分析顯示為保護因素，而多因素分析顯示為危險因素，兩者的結(jié)果是相互矛盾的。
出現(xiàn)這樣的情況，其實和上述的情況B和C是同樣的道理，這是在統(tǒng)計分析中經(jīng)常出現(xiàn)的一個陷阱，統(tǒng)計學上稱之為“辛普森悖論”(Simpson’s Paradox)，是由英國統(tǒng)計學家E.H.Simpson于1951年提出。簡單理解就是，在某個條件下的兩組數(shù)據(jù)，分別討論時都會滿足某種性質(zhì)，可是一旦將兩組數(shù)據(jù)合并考慮，卻可能導致相反的結(jié)論。
我們今天討論的單因素分析和多因素分析的結(jié)果出現(xiàn)不一致的情況，就是一個典型的“辛普森悖論”的例子。在單因素分析中，由于沒有考慮到其他因素的影響，在一定情況下就會發(fā)生“辛普森悖論”，然而在多因素分析中，通過調(diào)整控制其他因素的影響，就可以解開“辛普森悖論”之謎，這也是一個很有意思的現(xiàn)象。有興趣的小伙伴可以先查閱一下有關(guān)“辛普森悖論”的資料，我們將在以后的內(nèi)容中向大家進行介紹。
來自：醫(yī)咖會（轉(zhuǎn)載）
