首页 > 文献资料
-
ZIMB模型在临床研究中的应用及SAS实现
目的 介绍ZINB模型在零过多临床计数资料中的应用和SAS实现.方法 在SAS的countreg过程下通过ZINB模型分析冠心病患者心肌缺血节段数的影响因素,参数标准误估计采用Hessian阵和BHHH法.结果 患者冠心病家族史、年龄、ESV是发生心肌节段缺血的主要影响因素,心肌缺血节段发生数的多少与患者糖尿病史、冠心病家族史、左室收缩末容积有关.结论 ZINB模型能够有效地捕捉到计数资料中存在的零过多情况,不但能够分析观察个体在何种条件下发生事件而且还能够分析影响发生次数多少的因素.
-
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.
-
零膨胀计数数据回归模型的选择与比较及R语言的实现
目的 探讨和比较不同模型在零膨胀数据回归分析中的应用.方法 在R语言中,拟合HIV合并血友病数据的对数线性模型、零膨胀模型、随机森林、决策树以及支持向量机模型,通过比较标准化均方误差和均方根误差,对模型进行评价与选择.结果 从标准化均方误差和均方根误差来看,随机森林是对原始数据拟合的好的模型,随后是支持向量机和决策树模型,而经典的计数模型表现则相对较差.结论 在对零膨胀计数资料进行回归预测时,机器学习方法的效果优于经典的计数模型.
-
零膨胀的负二项模型在蛔虫与钩虫再感染模式研究中的应用
目的 应用零膨胀的负二项模型探索蛔虫与钩虫再感染的模式. 方法 在四川省宜宾市翠屏区邱场乡、江西省进贤县塘南乡和湖南省岳阳县三荷乡开展现场调查,调查内容包括:基线粪检与驱虫、一个月后复查、一年后复查及问卷调查.应用零膨胀的负二项模型拟合一年后个体虫卵计数数据,考察发生再感染以及再感染强度的影响因素. 结果 共计调查对象374人.治疗前蛔虫和钩虫感染率分别为38.08％ (139/365)和39.17％ (141/360),治疗后一年时蛔虫和钩虫再感染率分别为15.89％ (58/365)和8.89％ (32/360).蛔虫模型结果显示:治疗前感染度高,则发生再感染的风险高(OR=1.94,95％CI:1.33～2.81),家用电器档次高、不喝生水都是保护因素,15～44岁组与45 ～64岁组发生再感染风险显著低于5～14岁组;治疗前感染度越高,治疗后再感染获得高感染度的风险越大(OR=1.56,95％CI:1.10～2.23),与5～14岁组相比,15～44岁组与65 ～70岁组再感染获得高感染度的风险小;不喝生水获得高感染度的风险小.钩虫模型结果显示:治疗前钩虫感染度越高,发生再感染的风险越高(OR=3.97,95％CI:2.07～7.60).居住砖瓦房相对土坯房是再感染的保护因素;与5～14岁儿童相比,其他3个年龄组钩虫再感染获得高感染度的风险均较其高,其中45～64岁风险高;接受中学教育较文盲或半文盲获得高感染度的风险低. 结论 零膨胀的负二项模型是拟合蛔虫和钩虫虫卵计数数据的优模型,研究证实再感染过程中倾向性现象的存在,蛔虫和钩虫再感染的发生及强度与治疗前感染度、人口学特征、社会经济条件、环境及行为等因素相关.
-
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.
-
计数资料回归分析基础知识
本文目的是介绍与“计数资料回归分析”有关的基础知识.首先,介绍资料类型,因为它是合理选择统计分析方法的重要基础;第二,介绍二项分布、泊松分布和负二项分布,因为这三个离散型随机变量概率分布是对计数资料建立回归模型的重要依据;第三,介绍计数资料五个明显的分布特点:①方差小于均值的低离散型计数资料;②方差近似等于均值的一般计数资料;③方差明显大于均值的过离散型计数资料;④离散型随机变量在“0”处取值的概率非常大(简称为零膨胀)且取“非0正整数”时服从泊松分布的计数资料;⑤离散型随机变量在“0”处取值的概率非常大(简称为零膨胀)且取“非0正整数”时服从负二项分布的计数资料.前述的基础知识,是下一步建立合适的计数资料回归模型的必要基础.
