Prinsipper for effektestimering: modeller som estimerer effekten av en prediktor
- Modellen trenger ikke å være parsimonious.
- Forskeren velger selv, ut fra kunnskap om feltet, hvilke prediktorer som skal inngå i modellen.
- Forskeren velger selv, ut fra kunnskap om feltet, hvordan modellen skal spesifiseres (interaksjoner, splines, stratifisering osv.).
- Det går helt fint å beholde ikke-signifikante prediktorer dersom deres tilstedeværelse i modellen gjør hele modellen mer realistisk.
- Interaksjoner må tas i betraktning og, der det vurderes som rimelig, brukes. Man skal ikke lete etter interaksjoner uten ettertanke.
- Dersom predictor of main interest (prediktoren man er særlig interessert i) har høy andel missing, kan det være lurt å imputere missing med multippel imputasjon.
- Bruk splines og lemp rundhåndet på linearitetsantakelsen, særlig for prediktorer som er sterke, og for predictor of main interest.
- Ikke kategoriser kontinuerlige variabler med mindre det finnes en god grunn til det.
- Modellen trenger ikke å valideres eller kalibreres.
- Modellen bør helst forhåndsspesifiseres.
Prinsipper for prediksjonsmodellering: modeller som maksimerer prediktiv evne
- Sørg for at så mye data som mulig er tilgjengelig.
- Ikke kategoriser kontinuerlige variabler.
- For overlevelsesanalyse (survival analysis) må oppfølgingen være lang nok til at tilstrekkelig mange events inntreffer. Power for en overlevelsesanalyse avhenger helt og holdent av antall events.
- Sørg for at en hypotese er etablert før dataanalysen begynner. Det er viktig å forhåndsspesifisere kandidatprediktorer.
- Man får ikke bruke utfallsmålet (Y) til å avgjøre hvilke prediktorer som bør inngå i modellen. Verken med univariat testing, deskriptive grafer eller andre hypotesetester. Kandidatprediktorer får ikke siles ut med disse metodene.
- Dersom andelen missing for prediktoren X er betydelig, vurder multippel imputasjon.
- Dersom du ekskluderer mange individer med manglende data, bør du undersøke om de med missing og de som ble igjen i modellen skiller seg fra hverandre. Dette kan gjøres med deskriptive tabeller. Helst skal begge populasjonene være like.
- For hver prediktor bør du spesifisere kompleksiteten den skal modelleres med. Det anbefales at linearitet testes med restricted cubic splines. Prediktorer som er sterke, bør tildeles splines med flere knutepunkter (knots).
- Reduser antall prediktorer dersom de overstiger det antall observasjoner tillater (se veiledning under punkt 7 ovenfor).
- Utvikle modellen i et subsample av hele utvalget. 80 % av observasjonene kan brukes til trening og 20 % til validering.
- Interaksjonsledd skal forhåndsspesifiseres og ikke letes etter uten begrunnelse. Utelat ikke-signifikante interaksjoner.
- Bruk leverage for å kontrollere om det finnes observasjoner som utøver «for mye» effekt på modellen.
- Undersøk om det finnes collinearity ved hjelp av VIF (variance inflation factor).
- Bruk bootstrap for å validere modellen.