回帰分析における「調整変数」の選び方：実践編 - Unboundedly回帰分析を用いて「●●の効果を推定する」ことに取り組んだことがある人は多いのでは無いかと思います。 回帰モデルには「調整変数」として、年齢・性別・教育歴・（医学研究の場合は）既往歴などなど様々な要因を投入して、その影響を"補正"しますよね。 今回は、これらの「調整変数」をそもそもどのように選べばいいのか、その実践的な考え方についてまとめます。 ステップワイズつかって選べばいいんでしょう？ アウトカム/曝露因子と有意に関連しているものを選べばいいんでしょう？ とにかくたくさん調整すればするほど良いのでしょう？ 調整して推定値が大きく変わるものを使えばいいのでしょう？ はいはいドメイン知識、DAGを書くんでしょう？ と思った人は参考になるかもしれません。 なお、本記事は以下の論文の内容をもとに構成されています。 そもそも「調整」するとはなにか？ 教科書的な正解はDAGを書くこと 調整変数選択の
