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.
-
基于ZIGP模型的阳性过敏原数影响因素研究
目的 利用零膨胀广义泊松模型,分析阳性过敏原数的分布及相关的影响因素,为过敏和过敏性疾病的预防提供科学依据.方法 收集2782例过敏患者信息,利用过离散O检验、Vuong检验和AIC、BIC等信息准则选取优模型——零膨胀广义泊松模型,应用该模型分析过敏患者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的患者有1969例,占70.78％.过离散的O=52.13,P＜0.001,说明因变量存在过离散现象;两次Vuong检验的值分别是22.728和4.648,值均小于0.05,说明零膨胀模型优于传统计数模型;结合AIC、BIC值确定零膨胀广义泊松模型.影响因素分析,文化程度高易出现阳性过敏原(OR=2.232,OR 95％CI=1.2067～4.1286);性别(OR =0.596,OR 95％ CI=-0.7703 ～-0.2663)、文化程度(OR =0.869,OR 95％ CI=-0.2759 ～-0.0043)、辛辣食物(OR =1.119,OR 95％ CI =0.0052～0.2190)和接触宠物以及毛絮物品(OR=1.338,OR 95％ CI=0.0868～0.4962)是影响阳性过敏原数多少的因素,男性相对于女性、文化程度低相对于文化程度高的人群阳性过敏原数更多,喜好辛辣食物和常接触宠物以及毛絮物品的人群是阳性过敏原数增加的危险因素.结论 分析零膨胀数据时模型的选择至关重要,合适的统计模型有助于提高数据的拟合效果,使分析结果更全面可靠;过敏患者可以是单一或多种过敏原呈阳性反应,同时发生多种阳性过敏原更应关注男性、文化程度低、喜好辛辣食物和常接触宠物等人群,从而减少过敏的发生,达到预防过敏性疾病的目的.
-
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.
-
零膨胀Poisson分布模型回归分析
本文目的是介绍零膨胀Poisson分布模型回归分析.首先,介绍零膨胀计数资料及其零膨胀Poisson分布回归模型构建原理,包括“零膨胀Poisson分布回归模型的形式”和“零膨胀Poisson分布回归模型的求解”;其次,介绍“零膨胀Poisson分布回归模型的SAS实现”,包括“创建SAS数据集”“呈现因变量Y的频数分布”“求出因变量Y的均值和方差”和“基于全部自变量对因变量Y构建多重零膨胀Poisson分布回归模型”.本文结果提示,当计数资料为非严重过离散的零膨胀计数资料时,拟合“多重零膨胀Poisson分布回归模型”,可获得满意的拟合效果.
关键词： 零膨胀计数资料 过离散 零膨胀Poisson分布回归模型 概率函数 极大似然估计 -
一般计数资料Poisson分布模型回归分析
本文目的是介绍一般计数资料Poisson分布模型回归分析.首先,介绍一般计数资料及其Poisson分布模型构建原理,包括“一般计数资料Poisson分布回归模型的形式”和“一般计数资料Poisson分布回归模型的求解”;其次,介绍“一般计数资料Poisson分布回归模型的SAS实现”,包括“创建SAS数据集”“求出因变量Y的均值和方差”“检验因变量是否存在过离散现象”“对过离散进行校正”和“基于全部自变量对因变量Y构建多重Poisson分布回归模型”.本文结果提示,在“过离散”不十分严重的情况下,通过在GENMOD过程的“model语句”中增加选项“dist =poisson”和“scale=deviance”,可以较好地校正“过离散”导致的不良后果.
-
过离散计数资料负二项分布模型回归分析
本文目的是介绍过离散(即方差明显大于均值)计数资料负二项分布模型回归分析.首先,介绍了过离散计数资料及其负二项分布回归模型构建原理,包括“过离散计数资料负二项分布回归模型的形式”和“过离散计数资料负二项分布回归模型的求解”;第二,介绍了“过离散计数资料负二项分布回归模型的SAS实现”,包括:①“创建SAS数据集”;②“求出因变量Y的均值和方差”“检验因变量是否存在过离散现象”和“基于全部自变量对因变量Y构建多重负二项分布回归模型”.本文结果提示,在“过离散”非常严重的情况下,应使用“负二项分布回归模型”取代“Poisson分布回归模型”.否则,易得出不正确的结果和结论.
关键词： 计数资料 过离散 Poisson分布回归模型 负二项分布回归模型 拉格朗日乘子
