Aller au contenu
Omnikalc

Calculateur d’événements par variable

Saisissez la taille de l’échantillon, le nombre d’événements et le nombre de prédicteurs candidats pour obtenir les événements par variable, le plus grand nombre de prédicteurs que les données peuvent supporter et la taille d’échantillon nécessaire pour le modèle voulu.

Mis à jour le
Vos paramètres

Valeur hors limites

Valeur hors limites

Valeur hors limites

Résultats

Événements par variable

7,50

Sous la règle usuelle de 10
Maximum de prédicteurs que les données supportent
6
Événements nécessaires pour vos prédicteurs
80
Taille d’échantillon nécessaire au même taux d’événements
400
Taux d’événements
20,0 %
Événements manquants (0 si suffisants)
20

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.

Questions fréquentes

Que sont les événements par variable ?

C’est le nombre d’événements du résultat le plus rare divisé par le nombre de paramètres prédicteurs candidats dans une régression, surtout logistique ou de Cox. La règle empirique usuelle demande au moins 10 événements par variable.

Pourquoi le résultat le plus rare compte-t-il ?

L’information d’un résultat binaire est limitée par le plus petit groupe. Une étude de 1 000 personnes avec seulement 20 événements porte l’information d’une petite étude.

La règle des 10 suffit-elle ?

C’est un repère grossier. Des approches plus récentes dimensionnent le modèle à partir de l’ajustement attendu et du rétrécissement, et demandent souvent plus. Comptez chaque paramètre, y compris chaque variable indicatrice d’un prédicteur catégoriel, et tous les candidats, pas seulement ceux gardés dans le modèle final.

Ce calculateur vous a-t-il été utile ?

Merci pour votre avis !

Résultats indicatifs fournis à titre d'information. Ils ne remplacent pas l'avis d'un professionnel.