首页 > 文献资料
-
重复测量计数资料的随机效应ZINB模型
目的 阐明随机效应ZINB模型原理及其在零过多和过度离散并存时在重复测量计数资料中的应用.方法 将重复测量资料中的个体当作随机效应引进ZINB模型,建立随机效应ZINB模型.结果 模拟研究和实例分析表明,由于随机效应ZINB模型既考虑了个体在不同时点测量值间的相关性,又解决了零过多以及数据的过度离散问题,分析结果优于固定效应ZIP模型、随机效应ZIP模型以及固定效应ZINB模型.结论 对存在零过多,又具有过度离散的重复测量计数资料,更宜采用随机效应ZINB模型分析.
关键词: 随机效应ZINB模型 计数资料 零过多 过度离散 -
相关二分类反应变量资料的Binomial-Poisson层次模型分析
目的 探讨数据存在相关性时,二分类反应变量资料的统计分析方法 .方法 构建Binomial-Poisson层次模型,并结合毒理学实例与logistic回归模型进行比较.结果 随机效应.logistic回归模型和Binomial-Poisson层次模型都考虑了数据问的相关性,假设检验结论 一致,但与传统logistic回归模型结论 相反,而Binomial-poisson层次模型结果 更加稳定.结论 层次结构模型可有效分析相关二分类反应变量数据资料.
-
logistic回归分析中的过度离散现象及纠正
过度离散(Overdispersion)是实际观测到的数据分布和拟合连接函数所对应的理论分布存在差异时表现出来的一种统计现象.
-
Poisson回归中过度离散的检验方法
在数理统计中,Poisson分布有着悠久的历史,早可追溯到1838年.对当时广泛研究的二项分布,在事件的发生概率p很小、试验次数n很大的情况下,法国数学家Poisson(1)推导出了二项分布的极限分布,为了纪念他而称为Poisson分布.其早期一个著名的应用例子是Bortkiewicz(1898)观察到普鲁士的骑兵部队中每年被马踢死的士兵数服从Poisson分布(2).
-
logistic回归中数据过度离散及其软件处理
目的:解决logistic回归分析中,乳腺疾病调查数据过度离散问题.方法:利用SPSS软件提供的NOMREG过程,通过离散参数Deviance X2和Pearson X2指标判断数据中是否存在过度离散现象,并估计离散参数,重新估计回归系数的标准误及Wald X2统计量等指标.结果:在乳腺炎数据中,X2Pear()6.428,X2Deviance=5.822,所估计的离散参数分别为2.143和1.941,均大于1,说明该数据存在过度离散现象,通过NOMREG过程增大了系数标准误,减小了Wald X2值,从而增大了P值.结论:使用NOMREG过程能够较好地检验及解决logistic回归数据过度离散问题.
关键词: Logistic回归 过度离散 离散参数 -
负二项回归和Poisson回归在改水降氟效果中的对比分析
目的:探讨存在过度离散现象时离散数据的同归分析方法.方法:比较负二项回归和Poisson回归在改水降氟效果评价资料的分析结果和拟合优度.结果:Poisson回归低估参数估计的方差,负二项回归拟合优度较高.结论:负二项回归可用于分析存在过度离散现象的离散数据.
-
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.