分类重复测量数据的非线性混合效应模型

[目的]探讨分类重复测量数据的非线性混合效应模型及SAS8.0软件NLMIXED过程实现。[方法]直接拟合分类反应变量的非线性概率模型,结合重复测量资料的特点,采用附加高斯积分来获得最大似然的参数估计。[结果]非线性混合效应模型能很好地拟合分类反应变量的重复测量资料,它允许固定效应和随机效应进入模型的非线性部分,可方便地分析随机缺失等非均衡数据。[结论]分类反应变量重复测量资料的非线性混合效应模型分析结果合理、容易解释,为分类重复测量资料提供一种新的分析思路。     

重复测量资料非线性混合效应模型应用与实现

目的探讨重复测量资料非线性分析技术、SAS软件NLMIXED过程及在群体药动学的应用.方法结合重复测量数据特点,采用最大似然原理进行参数估计,建立非线性混合效应参数模型.结果该模型不仅考虑了个体内和个体间变异,而且也考虑了参数间的非线性,允许固定效应和随机效应进入模型的非线性部分;可方便地分析随机缺失等非均衡数据;有助于引入其他解释变量时最佳模型的选择,更客观地解释其对代谢过程的影响.结论当重复测量资料不满足线性条件时,使用非线性混合效应模型能更客观地反映原数据特征,挖掘资料蕴藏的信息,弥补线性理论分析非线性重复测量资料之不足.     

重复测量数据的混合模型及其MIXED过程实现—混合线性模型及其SAS软件实现（二）

目的：重复测量数据存在自相关及随机误差分布于不同层次,不宜使用常规分析方法,本文研讨使用混合线性模型及SAS软件实现的分析方法;方法：利用MIXED对多个处理组的重复测量数据进行混合模型分析。结果：通过固定效应与随机效应及对协方差矩阵的估计,使重复测量数据得以合理的分析。结论：MIXED可以有效地,全面地分析重复测量数据。     

多反应变量模型在临床实例中的应用研究

[目的]将多反应变量模型应用到临床实践中.[方法]在MLwiN2.0软件中运用临床实例阐述多反应变量模型的构造、参数估计及结果的解释.[结果]在最后所拟合的二元两水平模型中,得到两个反应变量之闻的相关系数;在考虑了结果变量之间的相关性后,能获得参数的有效估计,不仅可以比较不同影响因素对同一个反应变量的影响效应大小,还可以比较同一个影响园素对两个不同反应变量的影响效应大小.[结论]多反应变量模型适合于临床资料中多个相关反应变量的回归分析.     

混合线性模型在军事训练重复测量资料中的应用

目的探讨混合线性模型在有关军事训练重复测量资料分析中的价值。方法采用SAS软件中的MIXED过程对部队士兵进行100m跑前后各时间点采集的心率、血氧饱和度进行分析。结果混合线性模型对数据的完整性、反应变量的独立性和方差齐性不作要求，从而扩大了线性模型的适用范围，而且能得到个体化的分析结果，大大提高了现有资料的利用效率。结论混合线性模型能对军事训练中获取的重复测量资料准确、全面地进行分析，为部队改进训练方法、增强战斗力服务，因此，具有很高的应用价值。     

三水平线性回归模型软件实现及实例应用

目的：通过对具有层次结构的实例数据进行分析,给出重复测量和非重复测量数据三水平线性回归模型在 SPSS 和 SAS 中的实现方法。方法以持续近距离工作对幼年恒河猴眼球发育影响研究的实验数据为例,阐述三水平线性回归模型的应用条件及软件实现方法。结果如果三水平零模型中水平2和水平3的随机项方差有统计学意义,则说明有必要采用三水平线性回归分析方法。结论基于专业知识判断资料是否有层次结构并结合高水平随机项方差的假设检验,判断是否有必要考虑高水平随机效应。 SPSS MIXED 模块可实现三水平线性回归模型,相对容易操作;SAS中可以用 PROC MIXED 实现,需注意正确指定高水平单位。 SPSS 和 SAS 软件计算结果相同,但是对统计量的自由度调整方法略有差异。     

混合响应类型的多水平模型在重复测量资料中的应用和实现

目的将混合响应类型的多水平模型应用到具有两个不同类型结局变量的重复测量资料的分析中。方法对原始资料的格式作适当变换,构造一个水平1虚拟变量,将2个结局变量作为水平1上的观察单位,各时间点的重复测量为水平2单位,受试者为水平3单位,用MLwiN2.25软件拟合混合响应类型的三水平模型,对试验组和对照组的疗效,以及受试者的年龄、性别、观察指标的基线值,时间、组别和时间的交互效应进行分析。结果该模型在考虑了两个不同类型的结局变量在各个水平上的相关性后,可以对两个结局变量同时进行影响因素分析,获得解释变量对两个结局变量影响的估计,且只要数据缺失随机则估计是有效且无偏的。结论由于混合响应类型的多水平模型允许结局变量具有不同类型,并且把数据间的相关性分解为重复测量相关性和结局变量间相关性两部分,可有效地进行重复测量资料的动态变化趋势分析,分析结果更为细致。     

用广义估计方程分析有序多分类重复测量资料

目的 探讨利用重复测量资料拟合广义估计方程,为重复测量资料分析提供方法学参考.方法采用SAS软件包中的GENMOD过程,结合中医针刺手法组与非手法组治疗周围性面瘫的多中心临床试验实例,比较有协变量和无协变量的广义估计方程分析结果.结果周围性面瘫的疗效指标为House Brackmann（HB）分级.以4次随访的HB分级为反应变量,以中心、组别、首次HB分级为自变量,建立有协变量的广义估计方程,结果显示：中心之间疗效差异无统计学意义,不存在中心效应;手法组和非手法组之间疗效差异有统计学意义,手法组疗效优于非手法组;不同首次HB分级之间疗效差异有统计学意义,基础病情对疗效有影响.以首次HB分级和4次随访的HB分级为反应变量,以中心、组别为自变量,建立无协变量的广义估计方程,结果显示：中心之间疗效差异有统计学意义,存在中心效应;手法组和非手法组之间疗效差异无统计学意义,尚不能认为两组疗效不同.结论广义估计方程可以有效控制层次相关性,在分析有序多分类重复测量资料时具有优势.     

带时依协变量的重复测量资料的混合线性模型分析及其MIXED过程实现

目的 探讨混合线性模型在带有时依协变量的重复测量资料分析中的应用.方法 以治疗轻、中度原发性高血压病临床试验资料为例,考虑到给药方案在各个时间点随病情而变化,利用SAS中的MIXED过程,选择合适的协方差结构来实现带有时依协变量的重复测量资料的统计分析.结果 时依协变量(给药方案)对治疗轻、中度原发性高血压病有统计学意义(P＜0.05);时间因素有统计学意义(P＜0.05);给药方案与时间因素之间有交互效应(P＜0.05)、给药方案与处理因素之间有交互效应(P＜0.05).结论 采用混合线性模型对带有时依协变量的临床试验重复测量资料进行统计分析,可以更客观地进行药物疗效评价.     

相关二分类反应变量资料的Binomial-Poisson层次模型分析

目的探讨数据存在相关性时,二分类反应变量资料的统计分析方法。方法构建Binomial-Poisson层次模型,并结合毒理学实例与logistic回归模型进行比较。结果随机效应logistic回归模型和Binomial-Poisson层次模型都考虑了数据间的相关性,假设检验结论一致,但与传统logistic回归模型结论相反,而Binomial-poisson层次模型结果更加稳定。结论层次结构模型可有效分析相关二分类反应变量数据资料。     

多反应变量重复测量资料的协方差类型模型应用及SAS实现

目的 探讨协方差类型模型在多反应变量的重复测量资料分析中的应用方法 为了评价盐酸吡格列酮片治疗2型糖尿病的有效性,以安慰剂为对照,对240例2型糖尿病患者的空腹血糖和餐后2 h血糖重复观测数据进行多反应变量的协方差类型模型分析,对模型的固定效应参数矩阵作最小二乘估计并进行组间比较,同时给出误差效应的方差协方差矩阵,利用...     

缺失数据的多重估算

目的 探讨多重估算方法在缺失数据分析中的应用。方法 利用Bayesian理论与MCMC方法，在NORM软件中模拟得到m个完整数据集。结果 对m个重复测量数据集用SAS软件分析，合并m个分析结果可见，由NORM软件合并数据集的标准差比缺失数据集更稳定。结论 多重估算法既能反映缺失数据的不确定性，又可充分利用资料信息，对模型估计结果更可信。     

混合模型在临床试验重复测量资料中的应用

目的探讨临床试验重复测量资料的统计分析方法。方法通过实例说明并比较各种固定效应模型和混合模型的优缺点。结果临床试验研究资料常为重复测量资料,比较各处理组的测量值差别是否有显著性,可以采用传统的统计方法如t检验、方差分析和协方差分析等;也可以采用混合模型对整个研究过程中所有时点的测量值进行分析。结论由于在重复测量资料中,同一受试者的不同观测值之间具有相关性特点,故对其指定协方差结构尤其重要。Mixed过程提供了丰富的协方差结构,可以充分利用重复测量资料的信息,又能处理缺失值,是重复测量资料最优的统计分析方法。     

一般混合线性模型SAS的MIXED过程实现——混合线性模型及其SAS软件实现（一）

目的 系统结构数据在医学领域广泛存在,其统计分析方法各异,可统称之为混合模型。本文研讨其实现方法。方法 以多水平模型例证一般混合线性模型的SAS MIXED实现过程。结果 以JSP数据为实例显示SAS的拟合结果与MLn相一致。结论 SAS MIXED可灵活地拟合包括多水平模型的各类混合模型。     

混合效应模型在系统分组资料中的应用及SAS实现

目的 探讨系统分组资料的混合效应模型的建模及SAS程序实现.方法 以系统分组资料例证混合效应模型的SAS MIXED 实现过程,并与传统的广义线性模型结果作比较.结果 该实例显示SAS混合效应模型结果与广义线性结果一致.结论 SAS MIXED可以灵活地拟合和分析系统分组资料.