首页 > 文献资料
-
层次结构定量数据组内相关系数的非参数Bootstrap估计
探讨Bootstrap自抽样如何在层次结构数据中实现,为组内相关系数(ICC)可信区间的计算方法提供选择.文中利用混合效应模型估计重复测量数据和两阶段抽样数据的ICC及利用Bootstrap法估计ICC的可信区间,比较不同的自抽样模式下ICC可信区间结果.重复测量实例结果显示Bootstrap整群抽样估计的可信区间包含ICC真值,如忽视数据的层次结构特征,Bootstrap方法得到无效的可信区间估计；两阶段抽样实例结果显示整群Bootstrap自抽样方法估计的ICC均数与原样本ICC偏差小,可信区间宽泛.表明对层次结构数据进行Bootstrap自抽样,需考虑数据的产生机制,即高水平Bootstrap自抽样的统计量估计更接近原样本统计量.
关键词： 层次结构数据 组内相关系数 可信区间 Bootstrap自抽样 -
广义线性混合模型与logistic回归应用于层次结构数据的对比分析
目的 比较广义线性混合模型与logistic回归应用于层次结构数据的差异性.方法 选择2013年10-12月期间北京市14家单位职工食堂满意度调查的资料数据,对可能影响食堂满意度的各变量分别进行非条件logistic回归和广义线性混合模型分析,并对结果进行对比分析.结果 Logistic回归显示,食堂经营性质(OR=2.757,P＜0.05)、性别(OR=0.723,P＜0.05)、年龄(OR=0.991,P＜0.05)、学历(OR=0.694,P＜0.05)、岗位(OR=0.745,P＜0.05)、在食堂用餐天数(OR=1.685～2.590,P＜0.05)、职工健康知识水平(OR=1.099,P＜0.05)等7个变量为食堂满意度影响因素.广义线性混合模型显示,高水平(单位)常数项估计值为1.138,标准误为0.514,95％CI=0.469～2.760,差异有统计学意义(P＜0.05).说明食堂满意度在单位水平上存在聚集性.且仅有女性(OR=0.780,P＜0.05)、在食堂用餐时间(OR=2.336～2.655,P＜0.05)和膳食知识得分(OR=1.135,P＜0.05)3个变量差异有统计学意义.两种分析方法都有统计学意义的变量为性别、在食堂就餐天数和职工膳食知识得分,且OR值水平接近.结论 处理在高水平上存在聚集性的层次结构数据时,广义线性混合模型比logistic回归更为谨慎和科学.但对差异有统计学意义的变量解释上,两者具有一致性.
关键词： 广义线性混合模型 Logistic回归 层次结构数据 -
多元多水平模型及其在儿童生长发育研究中的应用
目的传统的统计方法不宜用于分析具有层次结构特征的多反应变量数据,本文探讨了多元多水平模型的原理及应用.方法利用儿童生长发育研究的实例介绍多元多水平模型的构造及其应用.结果获得了解释变量系数的有效估计及身长和体重在各个水平上关系.结论多水平模型可以灵活有效地处理各种具有层次结构的数据.
-
多分类反应变量的多水平多项式模型及其应用
目的具有多层次结构特征的多分类离散数据不宜用常规方法分析,本文探讨了多水平多项式模型原理应用.方法分别从无序和有序分类两种情形,研究多水平多项式模型的构造及估计的实现.结果实例验证多水平模型能给予准确而详尽的结果.结论对多层次结构的多分类离散数据应使用多水平多项式模型分析,在实际应用时,还应注意模型的构造及估计方法的选择.
-
两水平方差成分模型与线性回归模型关系的探讨
目的探讨对于具有两个水平层次结构的数据拟合方差成份模型与线性回归模型的关系.方法通过三类传统线性回归模型与两水平方差成份模型参数估计的对比,分析其内在联系.结果线性回归模型参数估计以及估计的稳定性与自变量在水平2单位间和水平2单位内的变异大小有关,线性因归模型与方差成分模型参数估计及其稳定性的关系与水平2残差方差或单位内相关系数大小有关.结论当数据具有层次结构特征时,三类线性回归模型均存在问题,方差成分模型可将线性回归模型的单一随机误差项分解到与数据层次结构相对应的各水平上,并估计水平2单位的随机效应.
-
对医学领域层次结构数据拟合线性回归模型时几个问题的探讨
在医学领域存在大量具有层次结构特征的资料,但通常仍采用各类传统线性回归模型分析这类数据.作者探讨了层次结构数据拟合常见的三类线性回归模型所存在的问题,三类模型参数估计间的相互关系以及参数估计精度的校正.结果显示,参数估计及其精度取决于自变量在水平2单位间和水平2单位内的变异大小,残差估计的差别与参数估计的差别有关;当数据具有层次结构时,三类常见的线性回归模型均不适宜,在一定条件下,可采用方差膨胀因子对水平1合并模型的标准误进行校正.
