Logistic回归中控制混杂变量的作用是:A. 提高样本量B. 消除因变量的误差C. 去除自变量间的共线性D. 消除无关变量的影响

考查要点：本题主要考查对Logistic回归中控制混杂变量作用的理解，需明确混杂变量的定义及其在统计分析中的影响。

解题核心思路：
混杂变量（confounding variable）是与自变量和因变量均相关的变量，若不控制，会导致自变量与因变量关系的估计出现偏差。控制混杂变量的核心目的是消除其对结果的影响，从而准确评估自变量的真实效应。

关键点辨析：

• 选项D（消除无关变量的影响）直接对应混杂变量的定义，即通过纳入模型调整其作用，避免混淆效应。
• 其余选项（如提高样本量、消除因变量误差、去除共线性）与混杂变量的控制无直接关联。

混杂变量的作用机制：

1. 定义：混杂变量是既影响自变量又影响因变量的变量。例如，在研究“吸烟与肺癌”的关系时，年龄可能同时影响吸烟行为和肺癌风险。
2. 问题：若不控制混杂变量，会导致自变量（如吸烟）的效应被高估或低估，使结果不可靠。
3. 解决方法：在Logistic回归模型中将混杂变量作为协变量纳入分析，通过统计调整消除其对结果的影响。

选项分析：

• A. 提高样本量：控制混杂变量不会直接影响样本量，样本量由研究设计决定。
• B. 消除因变量的误差：误差通常指测量误差，而混杂变量的影响是系统性偏倚，二者不同。
• C. 去除自变量间的共线性：共线性是自变量间的高度相关问题，需通过变量选择或正则化处理，与混杂变量无关。
• D. 消除无关变量的影响：正确。混杂变量属于无关变量中的一种，控制其作用可分离出自变量的真实效应。