首页 > 文献资料
-
充分利用非独立数据所带给我们的信息
在临床医学研究中,研究者经常会对同一受试对象在多个不同时间点完成多次的重复测量.当探讨不同指标之间的关系时,这些重复测量的数据,将给关联性分析提供宝贵的信息.这是因为在同一个体上获得的信息能够有效地避免个体间差异对关联分析的影响,提高分析的效率,同时也可以在一定程度上节省受试者的数目,但与此同时,重复测量数据也给统计分析提出了新的挑战.
-
似乎不相关回归模型及其在老年认知功能研究中的应用
目的探讨似乎不相关回归模型在医学研究中的应用.方法利用似乎不相关回归模型对老年人认知功能减退的影响因素进行分析.结果特定的非独立结构情形下似乎不相关回归估计方法比传统小二乘估计方法更合理,并可以提高参数估计的效率.结论似乎不相关回归模型在医学科研领域具有良好的应用前景.
-
非独立数据内部相关系数的抽样分布
目的研究非独立数据组内相关系数ρ的抽样分布.方法用Monte Carlo方法从已知组内相关系数的假定总体中重复抽样,用RIGLS法拟合二水平模型,分别计算ρ值以观察其分布类型.结果组内相关系数抽样分布类型随p的数值大小而变化,小于0.5时为正偏态,大于0.5时为负偏态,接近0.5时为近似正态分布.其估计误差与1水平和2水平的样本含量有关,总样本含量相同时,2水平的样本含量越大,估计误差越小.结论组内相关系数的大小反映非独立数据的共变关系大小,其分布类型的研究对非独立数据分析时的实际应用具指导意义.
-
重复测量资料的回归综合指标分析及其在新药临床试验中的应用
在新药临床试验研究中,无论是急性病还是慢性疾病,都几乎无一例外地在试验期间对主要指标进行等间隔或不等间隔的重复测量.重复测量的数据结构属于系统结构数据的一种情形,目前已在统计学界形成共识,即属于非独立数据.对于系统结构数据的分析方法目前被关注的热点是多水平模型[1].由于这类方法考虑了观察个体内部的相关性,从而避免了忽略同一个体在不同观察时点指标的相关性的缺点,因此在理论和应用上都对统计学发展起了促进作用.但是,这类方法由于其在理论和方法上具有一定的难度和相应应用软件的限制,使实际工作者在应用时受到很大限制.临床试验研究中由于重复测量数据的大量存在,而且考虑到新药临床试验的时效性和经济性,建立一种相对计算简便、易于理解而又具有综合特点的方法,即综合指标分析方法是十分必要的.
-
多水平Poisson回归模型在交叉设计临床试验中的应用
目的:探讨交叉设计多中心临床试验中事件数资料的分析.方法:采用多水平Poisson回归模型,以重复测量作为第一水平,试验阶段作为第二水平,受试者作为第三水平,建立多水平Poisson回归模型.结果:多水平Poisson模型分析交叉设计数据,不但可以解决层次结构的问题,使用也较重复测量资料的方差分析更为灵活.结论:在交叉设计临床试验中,对于事件数资料,可以采用多水平Poisson回归模型.
关键词: 交叉设计 非独立数据 多水平模型 多水平Poisson回归 -
SAS软件中非独立样本数据平均位置比较的非参数检验方法
在SAS软件中专用于独立样本位置比较的非参数统计检验程序是NPAR1WAY过程,其过程名就暗示了它本身仅能完成一些单因素设计的独立样本比较,如Mann-Whitney U检验,中位数检验,Savage检验,Van der Waerden检验及Kruskal-Wallis检验等;而对于双因素相关样本,如随机化完全区组设计资料,则需通过其它过程来实现.