به کارگیری متغیرهای پنهان در مدل رگرسیون لجستیک برای حذف اثر هم خطی چند گانه در تحلیل برخی عوامل مرتبط با سرطان پستان

● مقدمه و اهداف:
رگرسیون لجستیک یکی از کاربردی ترین مدل های خطی تعمیم یافته برای تحلیل رابطه یک یا چند متغیر پاسخ رسته است. زمانی که بین متغیرهای توضیحی همبستگی های نسبتا قوی وجود داشته باشد هم خطی چند گانه ایجاد شده، ممکن است به کاهش کارآیی مدل منجر شود. هدف این تحقیق استفاده از متغیرهای پنهان برای کاهش اثر هم خطی چند گانه در تحلیل یک مطالعه مورد– شاهدی است.
● روش کار:
داده های مورد استفاده در این تحقیق متعلق به یک مطالعه مورد– شاهدی است که در آن ۳۰۰ نفر زن مبتلا به سرطان پستان با ۳۰۰ زن شاهد از نظر عوامل خطر مورد مقایسه قرار گرفتند. برای بررسی اثر هم خطی، پنج متغیر کمی که بین آنها همبستگی بالایی وجود داشت، در نظر گرفته شدند. ابتدا مدل لجستیک به متغیرهای فوق برازش داده شد. سپس به منظور حذف اثر هم خطی، دو متغیر لجستیک مجددا محاسبه شدند. کارآیی مدل ها، با استفاده از خطای استاندارد پارامترها مقایسه گردید.
● نتایج:
مدل رگرسیون لجستیک بر اساس متغیرهای اولیه حاکی از مقادیر غیر عادی نسبت شانس برا سن در اولین زایمان زنده (OR=۳۷۹۶۰ , Cl ۹۵% = = ۱۰۱۸۴ , ۴۵۳۵۰۳) و سن در اولین حاملگی (OR=۰.۰۰۰۰۲۹) بود. در حالی که پارامترهای مدل های لجستیک حاصل از متغیرهای پنهان به دست آمده از هر دو روش تحلیل عامل و تحلیل مولفه های اصلی، از نظر آماری معنی دار (P<۰.۰۰۳) و خطای استاندارد همه آنها کوچک تر از خطای استاندارد مربوط به رگرسیون لجستیک معمولی بود. فاکتورها و مولفه های اصلی تولید شده توسط دو روش حداقل ۸۵ درصد کل واریانس را تبیین کردند.
● نتیجه گیری:
تحقیق نشان داد انحراف استاندارد پارامترهای برآورد شده در رگرسیون لجستیک بر اساس متغیرهای پنهان از رگرسیون لجستیک بر اساس مشاهدات اولیه کوچکتر بوده و در نتیجه این گونه مدل بندی در تحلیل برخی عوامل خطر سرطان پستان که هم خطی دارند کارآتر است.

محمدامین پورحسین قلی
یداله محرابی
حمید علوی مجد
پروین یاوری

منبع : پایگاه اطلاعات علمی