传统的变量选择方法是找到对预测新响应贡献最大的变量。最近，我得知了一种替代方法。在确定治疗效果的变量建模中（例如在药物的临床试验中），该变量被定性地相互作用如果在其他条件不变的情况下进行治疗，则该变量的更改会导致最有效治疗的更改。这些变量并不总是有效的预测指标，但对于医师决定个体患者的治疗时可能很重要。莱西·甘特（Lacey Gunter）在其博士论文中开发了一种选择这些定性相互作用变量的方法，而这些变量可能会被基于预测的选择算法所遗漏。最近，我与她合作，将这些方法扩展到其他模型，包括逻辑回归和Cox比例风险回归模型。
我有两个问题：
- 您如何看待这些新方法的价值？
- 对于传统方法，您更喜欢哪种方法？诸如AIC，BIC，Mallows Cp，F测试之类的条件，用于逐步，向前和向后输入或删除变量...
有关此问题的第一篇论文发表在Gunter，L.，Zhu，J和Murphy，SA（2009）。定性相互作用的变量选择。统计方法论 doi：10，1016 / j.stamet.2009.05.003。
下一篇论文发表在Gunter，L.，Zhu，J.和Murphy，SA（2011）中。 在控制家庭错误率的同时个性化医学中定性相互作用的变量选择。Journal of Biopharmaceutical Statistics 21，1063-1078。
下一个出现在有关变量选择的特刊上，Gunter，L.，Chernick，MR和Sun，J.（2011）。关于治疗选择的回归变量选择的一种简单方法。巴基斯坦统计与运筹学杂志 7：363-380。
您可以在期刊网站上找到这些论文。您可能必须购买该物品。我可能有这些文章的pdf文件。莱西和我刚刚完成了有关此主题的专着，并将于今年晚些时候作为SpringerBrief出版。
11
也许我没有遵循-如果有先验的理由怀疑效果修改，那么这些新方法与例如将交互项包括在用于模型选择的“候选”变量列表中有何不同？
—
2012年
（1）在此问题中似乎丢失了一条或多条线。我猜它可能会继续“逐步，向前和向后……”。（2）在此已广泛讨论了模型识别和变量选择。例如，在+ model + variable + selection上进行搜索时会显示145个线程。缩小搜索范围可能会回答第二个问题。（3）为方便回答第一个问题，您能否提供此研究的链接或明确的参考资料？
—
ub
这是包括与治疗相互作用的变量的问题。但这是质的相互作用，而不仅仅是简单的相互作用。为了相互作用，两条线不能平行。为了进行定性的交互，它们必须在定义变量的时间间隔内交叉。因此，该想法是找到一个定性交互的变量。这与选择变量和交互项可以提高拟合或预测能力不同。
—
Michael R. Chernick
迈克尔，感谢您借此机会做出回应。提出的一个关键点是，该站点不是讨论站点，而是问答站点。随之而来的是一些稍微不同的交流方式。FAQ对此进行了详细介绍。有时，线程可能会丢失一些，但实际上，一旦人们对通用的方案有了更多的了解，它实际上是非常罕见的。干杯。
—
主教
迈克尔，是的，SE系统需要一些时间来适应并且并不完美。但这确实是有道理的，而且是一致的。我们的目标是不断改进：与列表服务器和公告板不同，可以修改问题（和答案）；这是预期的。最终，我们希望一个线程以一个完整，陈述明确，完整的问题开始，该问题独立存在而不涉及注释线程。那么它应该继续给出一个或多个写得很好，属性恰当的规范答案。考虑到这一理想，@ cardinal的建议对您可能更有意义。
—
ub