目的:本研究应用2015年中国健康与养老追踪调查数据库比较单纯随机森林、随机森林联合Logistic回归模型（联合模型）和单纯Logistic回归模型在变量筛选中的差异,并依据最佳模型探索代谢综合征的相关因素,为代谢综合征的预防提供科学依据。方法:1.本研究使用2015年中国健康与养老追踪调查数据,调查对象为中国45岁及以上人群。依据2009年国际糖尿病联合会、美国国家心肺血液研究所、美国心脏协会、世界心脏联合会、国际动脉硬化协会以及国际肥胖症研究会临时联合声明里提出的统一标准,将调查对象分为代谢综合征组和未患代谢综合征组。2.合并数据文件,剔除无法确诊的观察单位及与代谢综合征相关变量后剩余13420个观察单位,4033个变量;删除缺失值在10%及以上的变量及观察单位后剩余12330个观察单位,343个变量;择一剔除相关系数>0.8的变量,最终剩余12330个观察单位,304个变量。3.整理数据后分别构建单纯随机森林、联合模型和单纯Logistic回归模型。联合模型首先利用随机森林得到各变量重要性评分,将变量按重要性评分由大到小的顺序排序,再结合随机森林和向前变量选择法筛选最佳变量组合;将筛选出的变量进一步构建Logistic回归模型。比较单纯随机森林、联合模型和单纯Logistic回归模型筛选变量及模型评价指标的差异。结果:1.本研究最终有研究对象12330人,其中男性5792人,女性6538人,代谢综合征患病率为38.79%。男性患病率为29.40%;女性患病率为47.11%;城市患病率为46.03%,农村患病率为34.41%。2.结合向前变量选择法构建随机森林,综合考虑准确率、约登指数等模型评价指标和变量类别后,选择41个变量为最佳变量组合。3.三种模型模型评价指标比较:单纯随机森林准确率、约登指数等评价指标最优,其次是联合模型,最后是单纯Logistic回归模型,且联合模型的BIC优于单纯Logistic回归模型。三种模型变量筛选比较:单纯随机森林筛选出41个变量,其中血检指标有11个,体测指标9个,经济因素变量15个,“噪声变量”4个,其它变量2个;单纯Logistic回归模型筛选出31个变量,其中血检指标有9个,体测指标4个,经济因素变量6个,“噪声变量”3个,其它变量9个;联合模型筛选出20个变量,其中血检指标9个,体测指标4个,经济因素变量4个,其它变量4个,联合模型将“噪声变量”剔除。与单纯随机森林相比,联合模型未筛选出的变量中有9个变量与代谢综合征无关,8个变量与代谢综合征有关;与单纯Logistic回归模型相比,联合模型未筛选出的变量中有7个变量与代谢综合征无关,3个变量与代谢综合征有关。4.联合模型因素分析结果:血检指标中C反应蛋白、糖化血红蛋白、尿酸、白细胞、血清胱抑素C、血红蛋白、高密度脂蛋白胆固醇、血尿素氮和肌酐的OR值分别为1.020、1.738、1.294、1.071、2.589、1.062、0.991、0.977和0.710。体测指标中脉搏、上臂长、身高和体重的OR值分别为1.014、0.961、0.986和1.111。经济因素中过去1周饮食花销（不包括外出就餐和买烟酒）、过去1个月水电费OR值均小于1;个人收入及过去1个月邮电费OR值均大于1;性别、年龄和工作强度的OR值分别为6.266、1.026和1.145。结论:1.分析大样本,变量个数过多的大型调查数据时,先使用随机森林模型筛选变量,再利用Logistic回归模型对筛选后的变量进行分析,减少噪声变量个数,准确率较高,提高模型的可解释性。2.代谢综合征的患病风险女性高于男性;年龄,个人收入及工作强度与代谢综合征存在关联。血检指标中C-反应蛋白、白细胞、尿酸、血清胱抑素C、血红蛋白和糖化血红蛋白与代谢综合征呈正相关;而肌酐、高密度脂蛋白胆固醇和血尿素氮与代谢综合征呈负相关。上臂长、身高、体重和脉搏与代谢综合征也存在关联。