교수님.

안녕하세요?

지난 강의때 인사드리고 사인받았던 이현이라고 합니다.

질문이 있어 이렇게 글을 올립니다.

1.

Web-R에서 logistic regression에서 multivariable analysis에 제가 넣고 싶은 factor를 다 넣으려면

p-value threshold entering multiple regression = 1로 하면 된다고 알고 있습니다.

그 이후에 backward stepwise regression을 하면

어떤 factor들이 어떤 기준으로 제외가 되어 final model인 만들어지는지요?

(논문에 기술을 하려고 하는데 어려움이 있어서 문의드립니다)

또한 AIC라는 것이 무엇인지 여쭈어 봐도 될까요?

2. 

강의때 interaction도 web-R에서 구연할 수 있게 해주신다고 하셨는데, 혹시 해 주실 수 있으신지요. 감사합니다.

For stepwise backward elimination, data containing NA value were removed.

Total nrow: 128-> After na.omit : nrow: 127 

Total  1  row(s) were removed.

### Result of Stepwise Backward Regression ### 

Start:  AIC=174.52
within_28d ~ age + sex + bmi + meta + Sepsis + Resp_filure + 
    CPR + LCA + GI + LBP + GU + Others

              Df Deviance    AIC
- bmi          1   148.54 172.54
- sex          1   148.57 172.57
- CPR          1   148.96 172.96
- Others       1   149.19 173.19
- Sepsis       1   149.29 173.29
- LBP          1   149.67 173.67
- GI           1   149.75 173.75
<none>             148.52 174.52
- Resp_filure  1   150.55 174.55
- age          1   150.92 174.92
- meta         1   151.17 175.17
- LCA          1   152.29 176.29
- GU           1   152.89 176.89

Step:  AIC=172.54
within_28d ~ age + sex + meta + Sepsis + Resp_filure + CPR + 
    LCA + GI + LBP + GU + Others

              Df Deviance    AIC
- sex          1   148.59 170.59
- CPR          1   148.97 170.97
- Others       1   149.20 171.20
- Sepsis       1   149.30 171.30
- LBP          1   149.68 171.68
- GI           1   149.75 171.75
<none>             148.54 172.54
- Resp_filure  1   150.55 172.55
- age          1   150.94 172.94
- meta         1   151.18 173.18
- LCA          1   152.30 174.30
- GU           1   152.89 174.89

Step:  AIC=170.59
within_28d ~ age + meta + Sepsis + Resp_filure + CPR + LCA + 
    GI + LBP + GU + Others

              Df Deviance    AIC
- CPR          1   148.98 168.98
- Others       1   149.26 169.26
- Sepsis       1   149.44 169.44
- LBP          1   149.72 169.72
- GI           1   149.77 169.77
<none>             148.59 170.59
- Resp_filure  1   150.75 170.75
- age          1   150.94 170.94
- meta         1   151.24 171.24
- LCA          1   152.30 172.30
- GU           1   152.90 172.90

Step:  AIC=168.98
within_28d ~ age + meta + Sepsis + Resp_filure + LCA + GI + LBP + 
    GU + Others

              Df Deviance    AIC
- Others       1   149.62 167.62
- LBP          1   150.09 168.09
- GI           1   150.12 168.12
<none>             148.98 168.98
- age          1   151.50 169.50
- meta         1   151.58 169.58
- LCA          1   152.54 170.54
- GU           1   153.18 171.18
- Sepsis       1   156.79 174.79
- Resp_filure  1   165.52 183.52

Step:  AIC=167.62
within_28d ~ age + meta + Sepsis + Resp_filure + LCA + GI + LBP + 
    GU

              Df Deviance    AIC
- LBP          1   150.09 166.09
- GI           1   150.12 166.12
<none>             149.62 167.62
- age          1   152.02 168.02
- meta         1   152.44 168.44
- GU           1   154.10 170.10
- LCA          1   155.72 171.72
- Sepsis       1   157.28 173.28
- Resp_filure  1   165.61 181.61

Step:  AIC=166.09
within_28d ~ age + meta + Sepsis + Resp_filure + LCA + GI + GU

              Df Deviance    AIC
- GI           1   150.33 164.33
<none>             150.09 166.09
- age          1   152.67 166.67
- meta         1   152.81 166.81
- GU           1   154.13 168.13
- LCA          1   155.91 169.91
- Sepsis       1   157.88 171.88
- Resp_filure  1   167.61 181.61

Step:  AIC=164.33
within_28d ~ age + meta + Sepsis + Resp_filure + LCA + GU

              Df Deviance    AIC
<none>             150.33 164.33
- meta         1   152.96 164.96
- age          1   152.99 164.99
- GU           1   154.13 166.13
- LCA          1   156.19 168.19
- Sepsis       1   157.90 169.90
- Resp_filure  1   167.83 179.83


### Overdispersion check ### 

Residual deviance/Residual df= 1.252731 

Interpretation: close to 1 : no overdispersion



### Overdispersion test ### 

p.value =  0.3113053

Interpretation: Larger than 0.05 : no overdispersion