Statistical Computing '99 - Schloß Reisensburg

Transformation und Selektion stetiger Faktoren in der multi-variablen Modellbildung: Konzept basierend auf Fraktionalen Polynomen und Illustration eines SAS-Makros

Carina Ortseifen, Willi Sauerbrei
Rechenzentrum Uni Heidelberg, Institut für Medizinische Biometrie und Informatik, Uniklinikum Freiburg

Bei der multivariablen Modellbildung mit stetiger Variable wird im Rahmen von Regressionsmodellem häufig ein linearer Einfluß auf die Zielgröße vorausgesetzt. Die bisher wichtigste Alternative ist eine Kategorisierung mit anschließender Modellierung über Dummyvariab-len. Basierend auf fraktionalen Polynomen haben Royston und Altmann (1994) eine Alternative zur Modellierung des nicht-linearen Einflußes auf die Zielgröße vorgeschlagen. Einige Erweiterungen der multivariablen Modellbildung unter Berücksichtigung geeigneter Transformationen und der Selektion von Variablen wurden von Sauerbrei und Royston (1999) diskutiert. Das grundlegende Konzept dieses Vorschlages und Vorteile im Vergleich zu den eher traditionellen Verfahren wird anhand einer Studie mit mehreren stetigen Prognosefaktoren bei Patientinnen mit Mammakarzinom erläutert.

Ein neu entwickeltes SAS-Makro wird vorgestellt und anhand der Auswirkung frei wählbarer Parameter werden wichtige Aspekte der multivariablen Modellbildung diskutiert.


Royston, P. und Altmann, D.G. (1994) Regression using fractional polynomials of continous covariates: parsimonious parametric modelling (with discussion). Appl. Statist., 42, 429-467

Sauerbrei, W. und Royston, P. (1999) Building multivariable prognostic and diagnostic models: transformation of the predictors by using fractional polynomials. J. R. Statist. Soc. A, 162, 71-94


31. Statistical Computing '99