我们开展统计分析，包括线性回归、logistic回归、Cox回归时，习惯“先单后多”，也就是先开展单因素分析，再开展多因素分析。
一般情况下，单因素分析统计学意义（P值小于0.05）者，会被纳入进来开展多因素回归。
但是，先单后多，最令人沮丧的，莫过于单因素P<0.05，而多因素大多数没有统计学意义，甚至一个都没有。这可怎么办？！
单因素、多因素结果矛盾原因
遇到类似的情况不要慌，单因素分析有意义但多因素没有意义的情况其实很常见，因为多因素回归是多个因素共同作用，而多个因素之间往往存在着一些关联性。
这种关联性会造成一些变量之间相互“内斗”、影响检验效能，最终部分变量会没有统计学差异。
具体而言，可能包括：
①变量之间互为强关联，而造成多重共线性；
②样本量不够（一般来说回归样本量要求自变量数的10-15倍以上）；
③存在着混杂或者中介变量；
④某变量与结局关联性太强等等。
单因素、多因素结果矛盾该如何处理？
郑老师我在数据分析的时候，往往推荐一个两变量回归分析策略，去看看原因。
所谓“两变量回归分析”，就是1个关注变量+一个其它变量作为自变量，反复开展回归分析，关注变量不变，其它变量轮换，然后去看看哪个“其它变量”会明显影响我们的“关注变量”的P值；
然后，去思考原因，高度相关呢、还是混杂、还是偏倚。
知道原因之后，自然就可以“对症下药”。事实上，对于单因素和多因素回归分析结果矛盾时，千万不要觉得沮丧。这反而是你们大展身手的时候！想办法去解释矛盾之处，是一篇论文的亮点！
更详细的解决方法，可以看老郑的往期推文
-gqWJ.jfif)
