多元統(tǒng)計(jì)方法ppt課件(參考版)
2025-01-17 17:38本頁(yè)面
【正文】 ^%$……,!! 參考書目 ?孫振球，醫(yī)學(xué)統(tǒng)計(jì)學(xué)（供研究生用） .人民衛(wèi)生出版社， 2022，第一版。配對(duì)資料一般要求對(duì)子數(shù)是自變量個(gè)數(shù)的 20倍以上。最終得到病因。 ?要求對(duì)照與病例在同等級(jí)病房中出生時(shí)間前后不超過(guò) 5天，女嬰。 把不必要的信息列入匹配成為配比過(guò)度，如在腦出血危險(xiǎn)因素研究中匹配高血壓。 個(gè)體配對(duì)資料的優(yōu)缺點(diǎn) ? 配對(duì)資料特別適用于罕見疾病，由于病例的獲取不易，匹配并增加對(duì)照的例數(shù)使研究效率大大增加。 1 1 2 2l ogi t P =b kkx b x b x? ? ? ? ? ??可以看出此回歸模型與非條件 Logistic回歸模型十分相似，只不過(guò)這里的參數(shù)估計(jì)是根據(jù)條件概率得到的，因此稱為條件 Logistic回歸模型。 對(duì)于配比資料，第 i個(gè)配比組可以建立一個(gè) Logistic回歸： i 1 1 2 2l ogit P =b kkb x b x b x? ? ? ? ? ? ??假設(shè)自變量在各配比組中對(duì)結(jié)果變量的作用是相同的，即自變量的回歸系數(shù)與配比組無(wú)關(guān)。如地區(qū)對(duì)血壓的影響。如果對(duì)二項(xiàng)分類變量按 +1與 1編碼，那么所得的， 容易造成錯(cuò)誤的解釋。 但 SPSS和 SAS軟件 均采用 Wald檢驗(yàn)來(lái)判斷 變量在方程中的作用 由于軟件的計(jì)算相對(duì)容易， 可以多種方法比較， 結(jié)果多數(shù)一致，如果不一致， 也均發(fā)生在臨近界值的變量上， 這些變量在方程中本身對(duì)應(yīng)變量的影響 就不大，在實(shí)際中對(duì)研究的影響 也較小。 ?Wald檢驗(yàn) （ wald test） 即廣義的 t檢驗(yàn)，統(tǒng)計(jì)量為 u u服從正態(tài)分布，即為標(biāo)準(zhǔn)正態(tài)離差。 ?比分檢驗(yàn) （ score test） 以未包含某個(gè)或幾個(gè)變量的模型為基礎(chǔ)，保留模型中參數(shù)的估計(jì)值，并假設(shè)新增加的參數(shù)為零，計(jì)算似然函數(shù)的一價(jià)偏導(dǎo)數(shù)（又稱有效比分）及信息距陣，兩者相乘便得比分檢驗(yàn)的統(tǒng)計(jì)量 S 。 ?個(gè)人認(rèn)為，還應(yīng)考慮模型的整體擬合優(yōu)度，并結(jié)合專業(yè)知識(shí)手工增加或剔除變量 全局擇優(yōu)指標(biāo) ?擬合分類表 ?最大似然函數(shù)值 L（＝ 1） 或 logL（＝ 0）即 2log likelihood＝ 0 ?擬合優(yōu)度檢驗(yàn) ?通過(guò)上述指標(biāo)，比較不同方程擬合優(yōu)度的優(yōu)劣 R2越大，擬合越好 模型擬合優(yōu)度指標(biāo)， ?2值越小， P值越大表明模型越好 逐步選擇法 三種向前 逐步 法， 協(xié)變量引入檢驗(yàn)均 基于 score統(tǒng)計(jì)量 刪除變量基于 條件估計(jì)的似然比 刪除變量基于 最大偏似然估計(jì)似然比 刪除變量基于 Wald統(tǒng)計(jì)量 似然比檢驗(yàn)（ likehood ratio test） ?通過(guò)比較包含與不包含某一個(gè)或幾個(gè)待檢驗(yàn)觀察因素的兩個(gè)模型的對(duì)數(shù)似然函數(shù)變化來(lái)進(jìn)行，其統(tǒng)計(jì)量為 G （ 又稱 Deviance）。 結(jié)果 3 模型擬合優(yōu)度指標(biāo)， ?2值越小， P值越大表明模型越好 兩種 R2的解釋與線性 方程同， ％在流行病學(xué) 研究中算一個(gè)比較好的了 判別分析用表 結(jié)果 4 ?Wald檢驗(yàn) （ wald test） 即廣義的 t檢驗(yàn)，統(tǒng)計(jì)量為 u,下面詳細(xì)討論之 參數(shù)估計(jì)的相關(guān)矩陣，每步各協(xié)變量的 零級(jí)相關(guān)系數(shù)（簡(jiǎn)單相關(guān)系數(shù)）均?。?）， 提示各協(xié)變量間相互獨(dú)立 至此，一個(gè)最簡(jiǎn)單 logistic方程 建立和檢驗(yàn) 告一段落，下面涉及 自變量的選擇 和 強(qiáng)影響點(diǎn)的挑選 自變量的篩選 ?目的：與多元線性回歸分析類似，當(dāng)自變量的數(shù)目較多時(shí)，為使 logistic回歸方程比較穩(wěn)定和便于解釋。因此其可信區(qū)間為 進(jìn)而，優(yōu)勢(shì)比 e(bi)的可信區(qū)間為 iibb u s??()ib ib u se ??參數(shù)估計(jì) 似然函數(shù) 計(jì)算方法 最大似然法 迭代法 1. 初始值 2. 迭代次數(shù) 3. 人為精度 4. 可能不收斂 總體來(lái)說(shuō)，解比 較穩(wěn)定。 ? 存在因素間交互作用時(shí)， Logistic回歸系數(shù)的解釋變得更為復(fù)雜，應(yīng)特別小心。 參數(shù)意義 回歸系數(shù)的意義 ?單純從數(shù)學(xué)上講，與多元線性回歸分析中回歸系數(shù)的解釋并無(wú)不同，亦即 bi表示 xi改變一個(gè)單位時(shí)， logit P的平均變化量。 26例冠心病病人和 28例對(duì)照者進(jìn)行病例 ?對(duì)照研究（變量賦值表） 自變量為連續(xù)變量，最好變?yōu)榈燃?jí)或計(jì)數(shù)資料 有統(tǒng)計(jì)學(xué)家持反對(duì)意見 認(rèn)為損失信息 26例冠心病病人和 28例對(duì)照者進(jìn)行病例 ?對(duì)照研究（數(shù)據(jù)格式） Logis
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1