Le calculateur d’événements par variable vous dit si vos données peuvent supporter un modèle de régression : les événements par variable, le nombre maximal de prédicteurs et l’échantillon nécessaire pour le modèle voulu.
Comment se fait le calcul
- Saisissez la taille de l’échantillon et le nombre d’événements du résultat le plus rare.
- Saisissez le nombre de paramètres prédicteurs candidats et choisissez la cible.
- Le calculateur donne les événements par variable, le maximum de prédicteurs, les événements et l’échantillon nécessaires et le manque.
Exemple
Une étude compte 300 patients et 60 événements, et vous voulez tester 8 prédicteurs candidats. Les événements par variable sont 60 / 8 = 7,50, sous la règle usuelle de 10. À 10 événements par variable, les données supportent 6 prédicteurs. Pour 8 prédicteurs il faut 80 événements, soit 400 patients au même taux d’événements de 20,0 %.
Pourquoi c’est utile
Le calculateur aide les chercheurs en médecine qui construisent des modèles de prédiction, les étudiants en épidémiologie et les data scientists qui travaillent avec des résultats déséquilibrés.
À savoir
La règle concerne le surajustement : avec trop peu d’événements, le modèle ajuste du bruit, et sa performance sur de nouveaux patients est pire que sur les données qui l’ont construit. Des techniques comme la régression pénalisée et le rétrécissement aident mais n’éliminent pas le problème. Réduisez le nombre de candidats avec la connaissance du sujet plutôt qu’avec les données, par exemple en combinant des variables proches ou en écartant celles qui ont peu de preuves. Pour un prédicteur continu modélisé par une spline, comptez chaque terme. Pour une régression linéaire à résultat continu, le repère est plus souple, d’environ 10 à 20 observations par prédicteur. Indiquez le nombre d’événements et de paramètres candidats dans vos méthodes.
Outils liés
Le calculateur de régression logistique donne des probabilités à partir de coefficients, celui de régression linéaire ajuste des droites, celui de taille d’échantillon dimensionne les sondages et celui de R carré mesure l’ajustement.