M∶N配对设计二值资料一水平多重Logistic回归分析

本文的目的是介绍m∶n配对设计二值资料一水平多重Logistic回归分析方法。首先,介绍了需要了解的基本概念;其次,介绍了构建此类回归模型的基本原理;最后,通过一个实例介绍了使用SAS实现计算的全过程。在此过程中,获得了如下四点启示:其一,有必要确保所获得的科研资料是值得分析的;其二,有必要基于定量自变量产生派生变量;其三,有必要同时采用"逐步法""前进法"和"后退法"筛选自变量;其四,有必要采用多种方法评价不同回归模型对资料的拟合优度。     

如何正确运用χ~2检验——高维表资料统计分析方法概述

本文目的是介绍高维表资料的种类及其对应的统计分析方法。基于结果变量的资料类型,常见的高维表资料可分为以下三类,即结果变量为二值变量、多值名义变量和多值有序变量。高维表资料的统计分析方法主要有两大类,第一类为广义差异性分析,内容包括"加权χ~2检验""CMH χ~2检验"和"Meta分析";第二类为回归分析,内容包括"对数线性回归模型分析""Logistic回归模型分析""Probit回归模型分析"和"离散选择模型分析"。     

非配对设计多值名义资料多水平多重Logistic回归模型

本文目的是介绍非配对设计多值名义资料多水平多重logistic回归模型的构建与求解方法。首先介绍了有关的基本概念,涉及“多值名义结果变量”“分层或多水平数据结构”和“扩展的多重logistic回归模型”;其次,呈现了一个具有二水平结构的横断面调查资料,该资料涉及多个影响因素和一个多值有序的结果变量（在本文中,将其视为多值名义结果变量）;最后,借助SAS中的两个过程（即GLIMMIX和NLMIXED）对给定的资料进行统计分析,即构建和求解“非配对设计多值名义资料多水平多重logistic回归模型”,并对相关结果进行比较和解释。     

非配对设计二值资料一水平多重Logistic回归分析

本文的目的是介绍非配对设计二值资料一水平多重Logistic回归模型的构建与求解方法。基于SAS软件分别对以列联表和数据库形式呈现的定性资料进行全面分析,并得出了4个对提高模型拟合优度很有价值的结论:第一,若资料以列联表形式呈现,应拟合"加权"Logistic回归模型;第二,若资料中包含定量自变量,不适合将其定性化;第三,若资料中包含定量自变量,应依据定量自变量和二值自变量产生出派生自变量;第四,若资料中有定性自变量时,必须将多值名义或有序自变量进行哑变量变换,不需要依据二值自变量产生出派生自变量。     

合理进行多重Logistic回归分析——结合多水平模型分析

本文目的是介绍如何结合多水平模型分析,合理地进行多重Logistic回归分析的方法。第一,介绍了与多水平模型分析有关的4个基本概念。第二,介绍了构建多水平模型的3个步骤。第三,通过一个多中心药物临床试验的实例,介绍了如何用SAS软件进行分析的全过程,其内容如下：①检验各中心优势比之间是否具有齐性;②对试验中心产生哑变量后构建多重Logistic回归模型;③将试验中心视为分层变量构建多重Logistic回归模型;④构建随机截距多水平多重Logistic回归模型;⑤构建随机截距和随机斜率多水平多重Logistic回归模型。得到的结论是,当具有二值结果变量的各层级资料间存在差异时,最合适的做法是构建多水平多重Logistic回归模型。     

如何正确运用x2检验——配对设计四格表资料的x2检验

本文目的是介绍配对设计四格表资料的McNemar's x2检验及SAS和R软件实现.首先,提出配对设计四格表资料存在3种情形,即①特设"金标准"的配对设计四格表资料,值得进行统计分析;②缺乏"金标准"的配对设计四格表资料,不值得进行统计分析;③隐含"金标准"的配对设计四格表资料,值得进行统计分析.其次,以第1种情形的"...     

如何正确运用χ~2检验——配对设计四格表资料的χ~2检验

本文目的是介绍配对设计四格表资料的McNemar's χ~2检验及SAS和R软件实现。首先,提出配对设计四格表资料存在3种情形,即(1)特设"金标准"的配对设计四格表资料,值得进行统计分析;(2)缺乏"金标准"的配对设计四格表资料,不值得进行统计分析;(3)隐含"金标准"的配对设计四格表资料,值得进行统计分析。其次,以第1种情形的"问题与数据"为统计分析的对象,分别采用SAS与R软件进行差异性分析,得出了计算结果,对结果作了解释,并给出了统计和专业结论。     

非配对设计多值名义资料一水平多重Logistic回归分析

本文目的是介绍非配对设计多值名义资料一水平多重logistic回归分析的基本原理、建模策略及注意事项。结合实例,应用SAS 9.4构建未经变量筛选和经变量筛选的多值名义资料多重logistic回归模型。通过回归分析的计算结果可知,同一变量的回归系数在不同logit函数中存在代数关系。多值名义多重logistic回归分析可以用来处理结果变量为多值名义变量的回归建模问题,并可以结合SAS实现对自变量的筛选,以获得简洁的回归模型。     

非配对设计二值资料多水平多重Logistic回归分析

本文目的是介绍非配对设计二值资料多水平多重logistic回归模型的构建与求解方法。首先介绍模型的有关概念及模型的构建原理,基于实例使用SAS软件对列联表资料进行分析,以proc glimmix和proc nlmixed过程构建和求解模型,并对相关结果进行解释和比较。     

非配对设计多值有序资料一水平多重Logistic回归分析

本文目的是介绍非配对设计多值有序资料一水平多重logistic回归模型的构建与求解方法。本文详细介绍了构建累积logistic回归模型的原理和具体方法,并结合实例介绍如何使用SAS软件中的LOGISTIC过程来拟合此回归模型,并对逐步回归法的输出结果进行了解释;其次讨论了有关构建累积logistic回归模型的过程中自变量筛选、模型评价以及拟合模型时需注意的问题。     

合理进行多重Logistic回归分析——结合ROC曲线分析

本文目的是介绍如何结合ROC曲线分析，合理地进行多重Logistic回归分析的方法。第一，介绍了与ROC曲线分析有关的两组基本概念，即常用诊断指标的统计描述和诊断资料的ROC曲线分析方法。第二，介绍了ROC曲线分析中的核心内容，即ROC曲线下面积的计算和多条ROC曲线下面积的比较。第三，通过一个诊断试验的实例，介绍了如何用SAS软件进行分析的全过程，内容如下：①仅采用多重Logistic回归分析；②基于多重Logistic回归分析，再结合ROC曲线分析。得到的结论是，对于诊断试验资料，将多重Logistic回归分析与ROC曲线分析结合起来，可以获得更丰富、更合理的统计分析结果。     

复杂抽样调查设计多值有序资料一水平多重Logistic回归分析

本文目的是比较不同分析策略对复杂抽样调查设计多值有序资料一水平多重logistic回归分析结果的异同。通过实例分析,利用四种不同的分析策略(将复杂抽样视为单纯随机抽样,考虑抽样设计不考虑抽样权重,考虑抽样权重不考虑抽样设计,同时考虑抽样设计和抽样权重)对复杂抽样设计多值有序资料进行建模。在四种不同分析策略的累积logistic回归模型拟合的结果中,自变量的偏回归系数、标准误差及P值均有所不同。在对复杂抽样调查设计的多值有序资料回归建模时,将抽样设计和抽样权重纳入统计分析,会得到更准确、更稳健的分析结果。     

复杂抽样调查设计二值资料一水平多重Logistic回归分析

本文目的是介绍复杂抽样调查设计二值资料多重logistic回归分析方法。通过一个实例,利用八种不同的分析策略(不考虑抽样设计和抽样权重、考虑抽样设计不考虑抽样权重、不考虑抽样设计考虑抽样权重、同时考虑抽样设计和抽样权重以及分别不考虑与考虑派生变量)对数据进行建模。对所得结果进行比较得出如下结论:在对复杂抽样设计资料进行统计分析的过程中,同时考虑抽样设计和抽样权重可以得到符合数据内部变量间依赖关系真实情况的结论。此外,本研究还介绍了采用SAS软件中SURVEYLOGISTIC过程对复杂抽样调查数据进行多重Llogistic回归分析的详细步骤。     

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。     

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。     

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。     

提高回归模型拟合优度的策略(Ⅰ)——哑变量变换与其他变量变换

本文目的是介绍第一种提高回归模型拟合优度的策略,即哑变量变换与其他变量变换。具体方法包括以下几个方面:①对多值名义自变量采取"哑变量变换";②对定量和有序自变量引入派生变量,包括"对数变换""平方根变换""指数变换""平方变换""立方变换"和"交叉乘积变换"的结果;③对定量因变量分别采取"对数变换""平方根变换""指数变换""倒数变换"和"Logistic变换";④构建回归模型时,在假定"包含截距项"与"不含截距项"的条件下,分别采取"前进法""后退法"和"逐步法"筛选自变量。得到了如下几个结论:①对定量因变量和自变量不做变量变换时,回归模型的拟合优度非常差;②根据资料所具备的条件,对定量因变量采取不同的变量变换方法,其回归模型的拟合优度是不尽相同的;③对多值名义自变量进行"哑变量变换"是常规的做法,但存在不足之处;④对定量自变量引入派生变量是非常有价值的;⑤假定回归模型中不含截距项有助于提高回归模型的拟合优度。     

生存资料回归模型分析——生存资料Cox比例风险回归模型分析

本文目的是介绍生存资料Cox比例风险回归模型分析的概念、作用及使用SAS软件实现计算的方法。首先介绍相关基本概念,包括"Cox比例风险回归模型简介""模型假定及其检验""参数解释"和"参数估计与假设检验";然后通过一个实例并基于SAS软件演示如何实施生存资料Cox比例风险回归模型分析,内容包括"产生SAS数据集""绘制生存曲线图""判断PH假定是否成立"和"算出参数估计值与假设检验结果"。结果表明:当生存资料满足PH假定时,Cox比例风险回归模型可用于生存资料影响因素分析、校正混杂因素后的组间比较以及对每个个体进行预后指数和生存率的预测。     

提高回归模型拟合优度的策略(Ⅲ)——校正均值变换与其他变量变换

本文目的是介绍第三种提高回归模型拟合优度的策略,即校正均值变换与其他变量变换。具体方法包括以下几个方面:①对多值名义自变量采取"校正均值变换";②对定量自变量引入派生变量,包括"对数变换""平方根变换""指数变换""平方变换""立方变换"和"交叉乘积变换"的结果;③对定量因变量分别采取"对数变换""平方根变换""指数变换""倒数变换"和"Logistic变换";④构建回归模型时,在假定"包含截距项"与"不含截距项"的条件下,分别采取"前进法""后退法"和"逐步法"筛选自变量。得到了如下结论:①对定量因变量和自变量不做变量变换时,回归模型的拟合优度非常低;②根据资料所具备的条件,对定量因变量采取不同的变量变换方法,其回归模型的拟合优度是不同的;③对多值名义自变量进行"校正均值变换"是合理的,且有助于提高回归模型拟合优度;④对定量自变量引入派生变量是非常有价值的;⑤假定回归模型中不含截距项有助于提高回归模型的拟合优度。     

提高回归模型拟合优度的策略(Ⅱ)——算术均值变换与其他变量变换

本文目的是介绍第二种提高回归模型拟合优度的策略,即算术均值变换与其他变量变换。具体方法包括以下几个方面:①对多值名义自变量采取"算术均值变换";②对定量自变量引入派生变量,包括"对数变换""平方根变换""指数变换""平方变换""立方变换"和"交叉乘积变换"的结果;③对定量因变量分别采取"对数变换""平方根变换""指数变换""倒数变换"和"Logistic变换";④构建回归模型时,在假定"包含截距项"与"不含截距项"的条件下,分别采取"前进法""后退法"和"逐步法"筛选自变量。得到了如下结论:①对定量因变量和自变量不做变量变换时,回归模型的拟合优度非常差;②根据资料所具备的条件,对定量因变量采取不同的变量变换方法,其回归模型的拟合优度是不同的;③对多值名义自变量进行"算术均值变换"是合理的,且有助于提高回归模型拟合优度;④对定量自变量引入派生变量是非常有价值的;⑤假定回归模型中不含截距项有助于提高回归模型的拟合优度。