首页 > 文献资料
-
零膨胀计数资料模型选择与比较
目的 阐明处理零膨胀计数资料的Hurdle模型和零膨胀模型原理,并探讨模型选择与比较.方法 拟合心肌缺损节段数资料的基础计数模型、Hurdle模型和零膨胀模型,通过似然比检验、Vuong检验和AIC、BIC信息准则进行模型选择与比较.结果 心肌缺损节段数资料拟合ZINB和NBH模型要优于其他计数模型；ZINB与NBH进行模型选择时,Vuong检验结果尚不能判断哪个模型更优,但由于数据中零计数包括结构零和抽样零,结合AIC、BIC和专业解释,可以认为ZINB模型更合适.结论Hurdle模型和零膨胀模型是处理零膨胀计数资料的有效方法.模型选择时需要考虑数据结构和专业解释.
-
Hurdle模型及其在居民就诊影响因素中的应用
目的 阐明Hurdle模型原理及其在计数资料中的应用.方法 利用logit-Poisson Hurdle模型分析两周内居民就诊次数的影响因素.结果 Hurdle模型logistic回归部分结果表明,性别、年龄和经济收入是决定居民是否去医院就诊的主要因素,零截尾Poisson部分结果表明两周内患病次数、由疾病而导致活动天数减少是影响两周内居民就诊次数的主要因素.结论 Hurdle模型是处理零频数过多计数资料一种有效可行的方法,其参数估计准确,分析结果切合实际、解释合理.
-
基于logit-NB Hurdle模型阳性过敏原数的影响因素分析
目的 应用Hurdle模型分析具有零膨胀数据阳性过敏原数的影响因素,为预防过敏反应及过敏性疾病提供依据.方法 收集2014年就诊变态反应科的患者1 855例,以问卷调查方式获得患者基本信息,测定血清过敏原特异性IgE获得阳性过敏原数;应用logit-NB Hurdle模型分析阳性过敏原数的影响因素.结果 在就诊患者中,阳性过敏原数为0的患者占72.29％,数据具零膨胀现象.两次Voung检验的V值分别为3.90、2.77,P值均小于0.05,logit-PoissonHurdle和logit-NB Hurdle优于传统计数模型;logit-Poisson Hurdle和logit-NB Hurdle的似然比检验LR=205,P＜0.05,结合AIC=1 898.6、AICC=1 900.3、BIC=2 042.4的结果,选择logit-NB Hurdle为优模型.Logit部分结果为女性比男性更易发生过敏反应;零截尾负二项部分结果为过敏原数目与文化程度、母亲有过敏史有关,文化程度低、母亲有过敏史的患者过敏原数多.结论 分析零膨胀过离散数据前需要进行优模型的选择;女性是过敏反应的好发人群,预防人群的阳性过敏原数多更应关注母亲有过敏史及文化程度低的人群.
-
孤独症研究中Hurdle模型的变量选择方法
[目的]在研究孤独症等心理学课题的研究过程中,我们经常会碰到一类计数数据,它们会呈现过度离散和零度膨胀等特征.为了探索影响孤独症的真正影响因素,本文提出一种全新的基于Hurdle模型基础上的自适应LASSO变量选择方法Hurdle-ALASSO,用于实现对这类计数数据的变量选择.[方法]对24名孤独症患者、26名精神发育迟滞患者和28名正常人士分别进行面部识别实验,分别记录他们的眼动轨迹计数数据.利用Hurdle-ALASSO方法对三组具有过度离散和零膨胀特征的眼动轨迹计数数据进行重要变量的筛选.[结果]影响参与者面孔识别的主要因素包括观察路径、注视面孔时间和注视脸部各部位的时间比例.孤独症患者脸部识别的认知过程与精神发育迟滞患者和正常人士相比存在差异,且路径扫视次数并不是导致差异的因素.[结论]Hurdle-ALASSO方法能有效地实现对具有零膨胀和过度离散特征的心理学类计数数据进行变量选择.
