生存资料回归模型分析--Cox比例风险假设的图形检验法

本文目的是介绍目前使用图形检验比例风险的常用方法。经典的Cox比例风险回归模型要求生存资料满足比例风险假设,而在临床资料中,这个假设往往并不成立。鉴于此,本文首先阐述了比例风险假设的概念;然后介绍了一些检验比例风险假设是否成立的常用图示方法,主要包括Kaplan-Meier生存曲线图、ln[-ln(St)]生存时间关系图、缩放Schoenfeld残差与时间的关系图、SAS软件PHREG过程中ACCESS语句的PH和RESAMPLE选项产生的模拟路径图;最后,基于SAS软件并通过实例演示上述方法的实现。     

生存资料回归模型分析——生存资料参数回归模型分析SAS实现

本文目的是介绍生存资料参数回归模型的SAS实现,包括创建SAS数据集、依据图示法选择模型、拟合参数模型和似然比检验。利用SAS中的LIFEREG过程绘制生存函数关于生存时间的关系图,拟合对应的参数分布回归模型,通过拟合优度检验选择最优的参数回归模型,最后对相关结果进行解释。     

生存资料回归模型分析——生存资料及其统计分析方法概述

本文目的是全面介绍生存资料的特点及其常用统计分析方法。生存资料具有以下四个特点:①同时具有生存结局和生存时间;②生存时间可能含有删失数据或截尾数据;③生存时间的分布通常不服从正态分布,常呈指数分布、Weibull分布、对数正态分布;④影响生存时间的因素较复杂且不易控制。生存资料统计分析方法涉及统计描述、差异性分析和回归分析三大类,其中,统计描述主要有Kaplan-Meier(卡普兰-迈耶)估计法和Life table(寿命表)估计法;差异性分析主要有对数秩检验(log-rank test)和威尔考克森检验(Wilcoxon test);而回归分析主要有Cox比例和非比例风险回归模型、参数回归模型。在对生存资料进行统计分析时,需要合理选择统计分析方法,方可全面而又深入地揭示生存资料的内在变化规律。     

生存资料回归模型分析--基于MCMC过程构建生存资料Cox比例风险回归模型

本文目的是介绍采用PHREG过程及MCMC过程且基于贝叶斯统计思想分别构建Cox比例风险回归模型的相关内容及其SAS软件实现。在MCMC过程中,有两种构建模型的方法:一是在MODEL语句中使用LAG函数;二是使用MCMC过程中的JOINTMODEL选项。两个过程所得计算结果基本一致,而PHREG过程的程序相对简洁。     

生存资料回归模型分析——基于MCMC过程构建生存资料Cox非比例风险回归模型

本文目的是介绍采用PHREG过程及MCMC过程且基于贝叶斯统计思想分别构建Cox非比例风险回归模型的相关内容及其SAS软件实现。在MCMC过程中,有两种构建模型的方法:一是对观测值进行转置之后,在MODEL语句中使用GENERAL函数;二是不对观测值进行转置,使用MCMC过程中的JOINTMODEL选项。两个过程所得计算结果基本一致。     

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。     

生存资料回归模型分析——生存资料参数回归模型分析基础

本文目的是介绍生存资料参数回归模型有关的基础知识。首先,介绍了构建三个常见的生存资料参数回归模型的基本原理,包括指数分布回归模型、Weibull分布回归模型和Log-logistic分布回归模型;其次,介绍了基于图示法判断生存时间服从何种概率分布的方法;最后,介绍了基于最大似然估计法求解参数回归模型中的参数和两个参数回归模型拟合优度的比较。得到如下结论:①当资料中的生存时间服从特定概率分布时,应选用相应的参数回归模型;②图示法可用于粗略判断生存时间服从何种概率分布;③似然比检验可用于包含不同参数数目的两个参数回归模型之间拟合优度的比较。     

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。     

运用Cox比例风险回归模型分析脑出血预后的影响因素

目的探讨运用Cox比例风险回归模型分析脑出血预后危险因素的作用。方法回顾性分析脑出血患者104例,其中死亡组24例,生存组80例,采用SPSS 18.0统计软件作Cox比例风险回归分析2组患者一般情况、刚入院时各项临床、实验室、影像学指标及并发症与脑出血预后的关系。结果多因素Cox比例风险回归分析显示,心脏病史、意识(GCS)、收缩压、舒张压、平均动脉压、血糖、甘油三酯和脑疝形成因素入选回归方程(P<0.05)。结论心脏病史、意识(GCS)、收缩压、舒张压、平均动脉压、血糖、甘油三酯和脑疝形成是影响脑出血患者生命预后的独立影响因素。     

有限混合模型回归分析

本文目的是介绍有限混合模型回归分析的概念、作用以及如何用软件实现计算的方法。先介绍有关的基本概念,再介绍基本原理,最后通过一个实例并基于SAS软件演示如何实施有限混合模型回归分析。结果表明:有限混合模型回归分析最适用于"具有两个或有限的多个频数分布资料进行频数分布曲线拟合"的场合。     

分位数模型回归分析

本文目的是介绍分位数模型回归分析的概念、作用以及用软件实现计算的方法。先介绍有关的基本概念,再介绍基本原理,最后通过一个实例并基于SAS软件演示如何实施此分析。结果表明:分位数模型回归分析能够很好地解决因变量不服从正态分布并具有异方差且资料中存在一定比例异常点的回归分析问题。     

1∶r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"1∶1""1∶2"和"1∶r"配对设计二值资料一水平多重Logistic回归分析方法。统计分析的前提条件是资料值得分析,而确保配对设计二值资料值得分析的重要基础是"配对设计"科学合理。为此,本文从六个方面阐述"配对设计的要领",不仅介绍了构建"1∶1""1∶2"和"1∶r"配对设计二值资料一水平多重Logistic回归模型的方法,还通过三个实例,介绍了采用SAS软件实现统计分析及结果解释的详细步骤。     

局部模型回归分析

本文目的是介绍局部模型回归分析的概念、作用以及如何用软件实现计算的方法。先介绍有关的基本概念,再介绍基本原理,最后通过一个实例并基于SAS软件演示如何实施局部模型回归分析。结果表明:局部模型回归分析最适合用于"全部观察点呈现线性递增或下降趋势",在多个"小区域或邻域"上表现为"二次曲线"或"三次曲线"形状或具有某种"聚集性"的场合。     

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。     

生存资料回归模型分析--Cox比例风险假设的拟合优度法

本文目的是介绍一些检验比例风险假设的方法。图示法是通过绘图然后由人工进行判断是否符合比例风险假设,因而具有一定的主观性。在图示法的基础上,本文介绍了从客观角度检验比例风险假设的一些常用方法,主要包括两类:一类是基于残差的检验;另一类则是构建协变量与时间的交互项并对其进行检验的方法。首先阐述了上述方法的原理,然后基于SAS软件并通过一个实例介绍上述方法的实现。     

复杂抽样调查设计多值名义资料一水平多重Logistic回归分析

本文目的是介绍复杂抽样调查设计多值名义资料一水平多重logistic回归模型构建，并探讨不同策略之间的差异。采用SAS中的LOGISTIC过程和SURVEYLOGISTIC过程，分别按照是否考虑抽样设计与是否考虑抽样权重共4种分析策略对数据构建广义logistic回归模型，并比较结果。不同分析策略所得结果显示，不仅参数估计值、回归系数标准误、OR值及其置信区间的估计值有所差别，而且对纳入模型的解释变量也有影响。因此，在对复杂抽样调查设计多值名义资料构建广义logistics回归模型时，既要考虑抽样设计，又要兼顾抽样权重，否则即使样本量足够大，也会导致错误的推断结论。     

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。     

适应性回归分析(Ⅳ)——与非适应性回归分析的比较

本文目的是分析一个已知真实情况的资料,比较适应性回归分析与非适应性回归分析建模的效果。结论如下:当资料中存在与因变量确有关系的自变量时,ADAPTIVEREG过程具有较好的甄别能力;REG过程具有较好的甄别能力,但需要满足一定条件,即采用"前进法"或"逐步法"筛选自变量,同时还需要"假定模型包含截距项"。当资料中不存在与因变量确有关系的自变量时,ADAPTIVEREG过程几乎完全失去了甄别能力;REG过程具有较好的甄别能力,但需要满足一定条件,即采用"前进法"筛选自变量,同时还需要"假定模型包含截距项"。若研究者基于"基本常识"和"专业知识"确定的自变量都与因变量有关系,对因变量进行Logistic变换,并且,假定回归模型中不含截距项时,会在回归模型中保留非常多的自变量。     

加性与广义加性模型回归分析

本文目的是介绍加性与广义加性模型回归分析的概念、作用以及用软件实现计算的方法。先介绍有关的基本概念,再介绍基本原理,最后通过一个实例并基于SAS软件演示如何实施加性模型回归分析。结果表明:相对于引入派生变量进行常规多重线性回归分析而言,加性与广义加性模型回归分析能够更好地提升模型对资料的拟合效果。