LogisticCox变量相对重要性全攻略，你用对了吗？

一般线性、广义线性Logistic、比例风险Cox回归计算变量相对重要性如何计算？对于线性回归，可以看标准化回归系数；对于常规机器学习，可以VI、SHAP等排序。而对于Logistic或Cox回归，这个相对重要性如何计算？一般线性模型你又真的了解透彻了吗？下面我们一起深入变量相对重要性的3大模型世界，一探究竟。

1. lm回归相对重要性

一般线性模型变量相对重要性也有多种选择，可以看标化回归系数、relaimpo包有8种type参数类型(type = c('lmg', 'last', 'first', 'betasq', 'pratt', 'genizi', 'car'))

1.1 z标准化回归系数绝对大小

1.2 relaimpo包相对重要性

Relaimpo包8种类型type，计算的是自变量对R2的贡献程度。type参数用于指定评估变量重要性的具体算法，不同方法之间可能区别较大，推荐lmg！rela=T 时，相对重要性的总和被标准化为 100％，即各自变量对 R2的贡献的总和被标准化为100％；推荐rela=F 时不标准化，总和近似回归模型总R2。

1.3 rwa包相对权重=相对重要性

2. logistic相对重要性

2.1 logistic标准化回归系数

这里是个很坑的误区！sas软件才能深入的解析出logistic标准化回归系数算法！spss容易误入歧途，小编当年学习的过程中深受其害！记住，spss和R都不能简单的把data直接Z标化再logistic就说β是logistic标化β，这个结果是错误的！

2.2 logistic变量相对重要性：χ2 -df

χ2 -df计算来自进行Logistic或Cox回归后wald卡方值减去df自由度，连续变量df=1，factor变量df= level-1。

3. Cox分析变量相对重要性

Cox分析变量相对重要性，顶刊采用的是R2 、explained log-likelihood、或χ2 -df。这些都难不倒我们 智荟思维

。

小结

1.线性模型3类、Logistic2类、cox3类相对重要性评价方法。

“

2.logistic标化β别瞎用！重要性看χ2 -df和R2

PS：还有什么回归分析中相对重要性的指标，欢迎大家留言指标+文献PMID