Principper for effektestimering: modeller, der estimerer effekten af en prædiktor
- Modellen behøver ikke at være parsimonious.
- Undersøgeren vælger selv, ud fra viden om området, hvilke prædiktorer der skal indgå i modellen.
- Undersøgeren vælger selv, ud fra viden om området, hvordan modellen skal specificeres (interaktioner, splines, stratificering etc).
- Det er helt i orden at beholde ikke-signifikante prædiktorer, hvis deres tilstedeværelse i modellen gør hele modellen mere realistisk.
- Interaktioner skal overvejes og, hvor det skønnes rimeligt, anvendes. Man skal ikke lede efter interaktioner uden omtanke.
- Hvis predictor of main interest (den prædiktor, man er særligt interesseret i) har en høj andel missing, kan det være klogt at imputere missing med multipel imputation.
- Brug splines og løsn linearitetsantagelsen generøst, især for prædiktorer, der er stærke, samt for predictor of main interest.
- Kategorisér ikke kontinuerte variabler, medmindre der er en god grund til det.
- Modellen behøver ikke at blive valideret eller kalibreret.
- Modellen bør helst præspecificeres.
Principper for prædiktionsmodellering: modeller, der maksimerer den prædiktive evne
- Sørg for, at så mange data som muligt er tilgængelige.
- Kategorisér ikke kontinuerte variabler.
- Ved overlevelsesanalyse (survival analysis) skal opfølgningen være tilstrækkelig lang til, at tilstrækkeligt mange events indtræffer. Power for en overlevelsesanalyse afhænger helt og holdent af antallet af events.
- Sørg for, at en hypotese er etableret, før dataanalysen begynder. Det er vigtigt at præspecificere kandidatprædiktorer.
- Man må ikke bruge udfaldsmålet (Y) til at afgøre, hvilke prædiktorer der bør indgå i modellen. Hverken med univariat testning, deskriptive grafer eller andre hypotesetest. Kandidatprædiktorer må ikke frasorteres med disse metoder.
- Hvis andelen af missing for prædiktoren X er betydelig, så overvej multipel imputation.
- Hvis du ekskluderer mange individer med manglende data, bør du undersøge, om de med missing og de, der forblev i modellen, adskiller sig fra hinanden. Det kan gøres med deskriptive tabeller. Helst skal begge populationer være ens.
- For hver prædiktor bør du specificere den kompleksitet, den skal modelleres med. Det anbefales at teste linearitet med restricted cubic splines. Prædiktorer, der er stærke, bør tildeles splines med flere knudepunkter (knots).
- Reducér antallet af prædiktorer, hvis det overstiger, hvad antallet af observationer tillader (se vejledning under punkt 7 ovenfor).
- Udvikl modellen i et sub-sample af hele samplet. 80% af observationerne kan bruges til træning og 20% til validering.
- Interaktionsled skal præspecificeres og ikke søges umotiveret. Udelad ikke-signifikante interaktioner.
- Brug leverage til at kontrollere, om der findes observationer, der udøver "for stor" effekt på modellen.
- Undersøg, om der er collinearity, ved hjælp af VIF (variance inflation factor).
- Brug bootstrap til at validere modellen.