2) в несколько раз меньше, чем показателей
3) в несколько раз больше, чем показателей (+)
4) равно количеству показателей
В многомерном статистическом анализе обозначают n количество объектов наблюдения, а p — количество одновременно учитываемых показателей. Для надежной оценки взаимосвязей между признаками, коэффициентов регрессии и параметров ковариационной матрицы требуется, чтобы число наблюдений существенно превышало число переменных. Поэтому практическое основное требование формулируется как соотношение n в несколько раз больше p, а не как простое превышение на одну единицу.
Если число показателей приближается к числу объектов или превосходит его, статистическая модель становится неустойчивой: матрица исходных данных может иметь неполный ранг, ковариационная матрица — быть вырожденной, а расчет коэффициентов — давать множество решений или невозможен без дополнительных ограничений. При малом отношении n/p возрастает риск переобучения, когда модель хорошо описывает конкретную выборку, но плохо работает на новых пациентах. Увеличение объема выборки снижает влияние случайных колебаний и позволяет корректно оценивать диагностическую или прогностическую ценность признаков.
Точное необходимое соотношение зависит от метода, числа групп, доли пропущенных данных, ожидаемой сложности модели и способа валидации. Для многомерной регрессии, дискриминантного анализа и построения классификаторов часто используют ориентир не менее 5–10 наблюдений на один показатель, хотя в сложных задачах требуется больше. При ситуации, когда число признаков велико, применяют отбор переменных, снижение размерности, например метод главных компонент, либо регуляризацию, однако эти приемы не отменяют необходимости независимой проверки модели.
| Соотношение числа наблюдений и показателей | Статистическая характеристика | Практическое следствие |
|---|---|---|
| n < p | Число переменных превышает объем информации в выборке; матрицы часто вырождены | Прямое построение модели обычно невозможно или крайне нестабильно |
| n ≈ p | Недостаточно степеней свободы для надежной оценки параметров | Высокий риск случайных коэффициентов и переобучения |
| n = 2–3p | Модель может быть рассчитана, но оценки чувствительны к составу выборки | Необходимы регуляризация, сокращение числа признаков и строгая валидация |
| n = 5–10p | Распространенный практический ориентир для умеренно сложных моделей | Оценки становятся более устойчивыми, но достаточность проверяют с учетом метода |
| n > 10p | Больший запас статистической мощности и степеней свободы | Снижается дисперсия оценок и повышается обобщающая способность модели |
| p велико при ограниченном n | Высокая размерность пространства признаков | Используют метод главных компонент, отбор признаков или регуляризованные алгоритмы |
Соотношение числа объектов и показателей определяет не только техническую возможность расчета, но и достоверность медицинских выводов. Перед анализом оценивают независимость наблюдений, полноту данных и наличие информативных, а не дублирующих признаков. Итоговую модель необходимо проверять на независимой выборке или с помощью корректной перекрестной валидации. Таким образом, преимущество числа объектов в несколько раз является базовым условием воспроизводимого многомерного анализа.