嘿嘿，
情况：我正在尝试创建一个线性（混合）模型。我从之前的研究中知道，一个人的性别和疾病严重程度会影响结果变量。我感兴趣的变量称为治疗。我计划使用似然比检验来测试治疗效果。
问题：我现在正在分析的研究不太平衡：
问题：
我对性别和疾病严重程度对结果的影响并不直接感兴趣，因为我的重点是治疗对结果的影响，我主要感兴趣的是创建一个具有医学和统计意义的模型。
非常感谢你:)
性别是否应该被视为用于推理统计的线性（混合）模型中的自变量？
由于共线性，是否应该避免包含这两个变量，并且性别可以“涵盖两者”，即疾病和性别特异性（混杂）效应？
通常，性别作为回归变量包含在回归模型中，因为它是一个潜在的混杂因素。性别通常与结果和主要暴露都有因果关系，所以是的，如果这可能出现在您的研究中，那么应该将其包括在内。设计不平衡并不重要——混合模型能够处理这个问题。仅当相关性极高时，多重共线性才会成为问题。我们预计存在一定程度的相关性。
我建议绘制一个 DAG 来确定要包含/排除哪些变量。请参阅此主题以了解如何以及为何这样做的详细信息：
DAG 如何帮助减少因果推理中的偏差？