2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩49頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、醫(yī)學(xué)研究中重復(fù)測量資料(repeated measures data)多見,對于定量重復(fù)測量資料不僅有比較完善的模型分析方法,且也易實(shí)現(xiàn)。而對于分類重復(fù)測量資料(二分類資料、有序分類資料)建模與實(shí)現(xiàn)相對較難。文中我們主要討論二分類資料廣義估計(jì)方程(generalized estimating equation,GEE)和altemating logistic regressions(ALR)兩種模型的擬合。由于廣義線性模型要求資料滿足獨(dú)

2、立性要求,文中在闡述廣義線性模型GEE基礎(chǔ)理論基礎(chǔ)上,介紹了重復(fù)測量資料模型擴(kuò)展的GEE估計(jì)方程;并通過構(gòu)造ALR模型,進(jìn)行了ALR模型和GEE模型估計(jì)的對比評價(jià);運(yùn)用SAS9.0GENMOD,我們對二分類重復(fù)測量資料實(shí)例進(jìn)行了GEE和ALR模型擬合與GEE模型的評價(jià)。通過STATA7.0的QIC模塊,根據(jù)分析資料最適相關(guān)結(jié)構(gòu),尋找最佳的協(xié)變量組合。通過分析得出,GEE1和ALR模型不僅能更好地利用非獨(dú)立結(jié)構(gòu)數(shù)據(jù)提供的信息,且參數(shù)估計(jì)更

3、穩(wěn)健(robust),對非均衡設(shè)計(jì)資料,ALR的估計(jì)效能更高。 重復(fù)測量有序分類資料的GEE是1994年S.R Lipsitz,K Kim和L.Zhao在Zeger和Liang廣義估計(jì)方程的基礎(chǔ)提出的,進(jìn)一步拓寬了GEE對非獨(dú)立有序分類資料的處理。文中通過模型構(gòu)造,實(shí)例分析,重復(fù)測量有序分類資料模型擬合與效果評價(jià),進(jìn)一步探索了SAS軟件宏語句的實(shí)現(xiàn),在獨(dú)立結(jié)構(gòu)(independence structure)、復(fù)合相關(guān)結(jié)構(gòu)(exc

4、hangeable structure)、帶狀相關(guān)結(jié)構(gòu)(banded structtlre)和無結(jié)構(gòu)相關(guān)(unstructured structure)數(shù)據(jù)分析中積累了經(jīng)驗(yàn),針對SAS GENMOD過程只能解決獨(dú)立結(jié)構(gòu)數(shù)據(jù)分析問題進(jìn)行了研究,摸索了實(shí)際工作中解決非獨(dú)立數(shù)據(jù)結(jié)構(gòu)問題的GEE實(shí)現(xiàn),擬合了混合效應(yīng)模型?;旌闲?yīng)模型是1994年由Hedeker和Gibbons提出的,它可以完成多水平隨機(jī)效應(yīng)混合效應(yīng)模型的分析,SAS軟件中可通過

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論