首页 > 文献资料
-
重抽样方差成分检验的多位点关联分析
目的 在线性混合模型框架下探索基于重抽样方差成分的似然比检验多位点关联分析方法.方法 假设SNP位点效应服从正态分布,将多位点关联分析转化为对随机效应方差的似然比检验,采用重抽样方法获得统计量的零分布,通过混合分布提高计算速度.结果 模拟研究显示重抽样检验以及混合分布表现良好,能够有效控制Ⅰ型错误,统计效能优于现有方法.结论 似然比检验是一种高效能的多位点关联检验方法,通过对置换和bootstrap分布的有效近似,基于重抽样的似然比方差成分检验,在保持良好统计效能的同时,能明显降低计算负荷.
-
REML法和Bayesian法对小样本不平衡单因素随机效应模型方差成分估计的模拟比较分析
目的 比较限制性极大似然估计(REML)法和贝叶斯法(Bayesian)对小样本不平衡单因素随机效应模型方差成分估计的偏差和精密度,同时考虑在样本量的大小、单位的数量和单位内相关系数(ICC)的大小不同的情况下对方差成分估计的精确程度的影响.方法 通过计算机模拟7组不同设计的数据集,用SAS软件MIXED模块进行方差成分估计.结果 不同的设计中,REML法估计比Bayesian法估计更加接近真值,但Bayesian法对组间方差的区间估计更加精密.对于两种方法 而言,样本和单位数量的增加,估计结果 更加准确.组内方差的估计,比组间方差的估计更准确和精密.结论 对小样本不平衡结构数据,当ICC为小或中等时,REML估计比Bayesian估计的偏差和均方误差要小,推荐使用.但是Bayesian法的区间估计比REML法的区间估计更加精密.
关键词: 不平衡单因素随机效应模型 方差成分 限制性极大似然 贝叶斯