多水平計數模型在復雜抽樣調查中的應用研究.pdf

1、醫(yī)學研究多階段復雜抽樣中，層次結構數據屢見不鮮。為了有效處理數據中層內存在的非獨立性，多水平模型應運而生，也成為近年討論的熱點。文中第一章通過線性多水平模型與普通回歸形式之不同，解析了多水平模型中包括的復合殘差項，即水平2 誤差項0j u、1j u和水平1誤差項ij e。進一步闡明多水平模型在處理具有層次結構特征數據時，考慮了數據誤差的層次性，將傳統(tǒng)模型中的誤差隨機項分解到與數據層次結構對應的水平上，通過估計個體水平上的誤差，并考慮解釋

2、變量對方差的影響，它不僅可充分利用個體水平內的聚集信息，獲取回歸系數的有效估計，而且可使個體的隨機誤差更純，同時提供擬合研究水平上復雜誤差結構的可能性。本文參考王濟川等的研究結果，將多水平模型的建模步驟分為：空模型→將水平2 解釋變量納入空模型→將水平1解釋變量納入截距模型→檢驗水平1隨機斜率→檢驗跨水平交互作用共5 步。
　　 文中第二章主要闡述了多水平Poisson、多水平負二項以及多水平零膨脹計數（Poisson、負二項)

3、模型的基本原理，討論了其參數估計和假設檢驗方法。多水平Poisson和負二項回歸是處理分層計數數據分析的基礎模型。若分層資料計數取值中含有大量的零，即零過多現象，應考慮多水平零膨脹計數模型。該模型可利用分析數據中產生額外零的兩個過程，減少數據中由于過多零導致的估計偏性，使參數估計結果更準確。本文假定隨機變量ij y 服從多水平零膨脹Poisson分布，分別擬合多水平Poisson、ZIP和多水平ZIP 進行模擬研究，結果顯示多水平Poi

4、sson和ZIP 估計值與模擬真實有一定相差；而無論水平1I和水平2 j 觀察單位如何取值，多水平零膨脹計數模型估計值均接近模擬真值。因此，對于既存在組群結構，又含過多零的數據，采用多水平零膨脹計數模型分析是更好的選擇。
　　 文中第三章通過居民兩周就診次數和農村地區(qū)居民骨關節(jié)疼痛部位數的影響因素分析實例，進一步揭示兩實例中均存在分層結構，個體嵌套于調查點（村莊）或家庭。借鑒多水平模型建模的思想，分別擬合多水平計數模型。在骨關節(jié)

5、疼痛部位數的影響因素分析中，Vuong 結果表明，多水平零膨脹模型比多水平基礎計數模型擬合效果更優(yōu)。若存在過度離散問題，多水平零膨脹負二項模型擬合效果最佳，結果解釋更合理。
　　 多水平模型形式多樣，其隨機斜率的個數和模型層次數多不固定。多水平零膨脹計數模型，兩部分的線性預測部分可以根據研究目的選擇不同的解釋變量，兩部分的隨機效應允許相關性存在或非獨立?？傊瑢嶋H問題研究中可根據具體的研究目的，按模型原理和軟件實現，完成多種具體