26. True or False构建预后模型时，纳入的变量越多，模型的预测效果一定越好。A. 对B. 错

考查要点：本题主要考查对预后模型变量选择原则的理解，特别是变量数量与模型预测效果之间的关系。

核心思路：
模型的预测效果并非单纯由变量数量决定，过多的变量可能引入噪声、导致过拟合或维度灾难，反而降低模型性能。关键在于选择对目标变量有实际影响的变量，而非盲目增加变量数。

破题关键：

• 过拟合：过多无关变量使模型过度依赖训练数据，泛化能力下降。
• 维度灾难：变量维度增加需更多数据支撑，否则精度可能降低。
• 多重共线性：变量间高度相关会干扰模型稳定性。

错误原因分析：

1. 过拟合风险：模型包含无关变量时，可能“记忆”训练数据噪声，导致在新数据上表现差。
2. 维度灾难：高维数据稀疏性增加，模型需更多样本才能保持精度。
3. 模型复杂度：变量过多使模型复杂度上升，解释性下降，计算效率降低。
4. 多重共线性：冗余变量可能使回归系数不稳定，影响结果可靠性。

正确方法：
应通过统计检验、变量筛选算法（如Lasso回归、逐步回归）等选择重要变量，平衡模型复杂度与预测性能。