多元岭回归方法在医院成本分析中的应用

目的：确定住院病人成本的影响因素,并对其进行定量测量。方法：采用ＳＰＳＳ,ＮｏＳＡ软件用最小二乘法建立住院病人总成本的多元线性回归模型,对其进行共线性诊断;与岭回归方法建立的回归模型进行了对比;在住院病人规模、利用等医院成本影响因素的相关分析;最后用岭回归方法建立了２３个变量的大型多元回归计量经济模型。结果：由于自变量间多元共线性的效应,使用最小二乘法建立的回归模型回归系数有较大的标准误,回归模型结果不稳定,用岭回归方法改善了多元共线性效应,降低了回归系数的标准误,使回归系数结果更为可靠。结论：确定了医院住院病人总成本影响因素,并提出了医院降低成本的途径。     

用最小二乘法预测医院住院人数

目的 建立线性回归模型,预测某医院2007-2010年住院人数.方法 采用最小二乘法建立线性模型,并对模型进行回归分析.结果 某医院2007-2010年住院人数预测值分别为17150、18260、19370和20480.预测区间分别为14750～19550、15860～20660、16970～21770、18080～22880.结论 最小二乘法是从事物变化的因果关系出发来进行预测的一种方法,通过预测住院人数,能为医院的工作计划和决策提供理论依据,使卫生资源合理应用.     

鄂尔多斯市中心医院门诊工作量预测

目的建立回归模型，预测我院2009--2012年门诊就诊人数。方法采用间接最小二乘法建立曲线模型，并对模型进行回归分析。结果我院2009--2012年的预测人数分别为61．70万、69．05万、77．26万和86．46万。结论最小二乘法是从事物变化的因果关系出发来进行预测的一种方法，而我们通过判断，使用间接最小二乘法更具有说服力，通过预测门诊人数，能为医院的工作计划和决策提供理论依据，使卫生资源更合理的使用。     

病例组合指数法在医院住院成本分析中的应用

目的：探讨住院病人成本的影响因素，并对其进行定量测量。方法：近照国际疾病ICD－9分类编码，采用病例组合指数法医院产出组成进行测量；彩和STAT，SPSS软件用最小二乘法，龄回归方法分别建立人均住院成本的回归模型并进行比较；对人均住院成本影响因素做相关分析；采用岭回归方法建立了引入病例组合指数等6个变量的人均住院成本的多元回归计量模型，结果：由于引入病例组合指数，考虑到了医院产出组成对人均住院成本的影响，使该成本分析更趋于合理；采用岭回归方法建立的回归模型相对于最小二乘法建立的回归模型而言，改善了自变量间多元共线性的效应，降低了回归系数的标准误，回归模型结果更稳定。结果：定量地测量了病例组合指数因素对人均住院成本的影响。     

迭代广义最小二乘法的建立及其在重复测量数据中的应用

线性回归模型是处理两个或两个以上变量间线性依存关系的统计方法,是医学研究中最常用的统计学模型之一.在确定了线性回归模型的形式,又确定了自变量选取的情况下,就需要对模型的各个系数进行估计以及对系数估计值的统计学意义进行探讨,在临床研究中有时还需要对不同回归系数估计值之间的差异是否有统计学意义进行检验.对回归系数的估计一般有矩估计、极大似然估计、最小二乘法估计、广义最小二乘法估计和两阶段广义最小二乘法估计等.     

某医院出院人数趋势预测

目的 建立线性回归模型,预测某医院出院人数,为医院决策提供的理论依据.方法 采用最小二乘法建立线性模型,并预测近两年出院人数.结果 某医院2001-2011年出院人数Y与时间X（年度序号）呈线性关系,直线回归方程为Y=3 715＋520.5X.预测的2012年出院人数为9 962人,95%概率的波动区间为8 348～11 575人;预测2013年出院人数为10482人,95%概率的波动区间为8 803～12 162人.结论 最小二乘法是从事物变化的因果关系出发对未来发展趋势进行预测的一种方法.本文通过出院人数的预测,为制订2012-2016年五年规划和年度工作计划提供了科学的理论依据.     

百分位数回归及其应用

传统的直线回归中，用最小二乘法估计回归系数，要求数据的独立性，方差齐性及正态性。但医学研究中，很多资料不满足上述要求，特别是ｙ的条件分布不是正态，或方差不为常数。这类资源显然不能用传统的最小二乘法估计回归系数。     

解释变量非正交时logistic回归系数的估计

目的；研究解释变量非正交时，ｌｏｇｉｓｔｉｃ回归模型参数的估计。方法：引用线性回归系数主成分估计的思想，提出主成分改进的ｌｏｇｉｓｔｉｃ回归系数的加权最小二乘估计。结果：改进的方法能克服多元共线性引起的一般回归系数加权最小二乘估计方差扩大现象，估计值优于一般加权最小二乘估计。结论：用主成分改进的加权最小二乘估计为基础来筛选变量，从而避免变量间共线关系对变量选择的影响。     

广义估计方程与准最小二乘在社区纵向数据分析中的应用

目的 应用广义估计方程和准最小二乘方法分析社区卫生服务中心纵向数据,探讨纵向数据分析的问题,为社区的随访的纵向数据的分析提供科学的方法. 方法 对收集的社区卫生服务中心的糖尿病病人血糖的纵向数据,分别使用广义估计方程和准最小二乘方法以及传统的线性回归模型进行分析并比较结果.同时比较三种方法的标准化残差图. 结果 广义估计方程不收敛时与传统线性模型的结果相同,显示糖尿病人血糖与教育水平相关,而广义估计方程收敛时与准最小二乘的结果相同,显示教育无统计学意义.从标准化残差图看广义估计方程和准最小二乘法对数据的拟合比传统回归好. 结论 广义估计方程和准最小二乘法都能有效的处理纵向数据.与广义估计方程相比,准最小二乘法有一些优势.     

偏最小二乘回归的原理及应用

[目的]探讨偏最小二乘回归的理论及其应用。[方法]应用医学实例计算,对偏最小二乘回归与主成分回归及一般最小二乘回归进行比较。[结果]偏最小二乘回归对数据的拟合度优于主成分回归和一般最小二乘回归法。[结论]偏最小二乘回归适用于处理有多重共线性的资料,当解释变量个数多、样本量少时尤为有效,是稳健的数据“软”建模的统计方法。