潜类别分析原理及其在聚类分析中的应用

目的探讨潜类别分析在多个二分类反应变量聚类分析中的应用。方法利用SAS软件ProcLCA模块,采用单一潜变量潜类别模型,对860名上海市公立性病门诊顾客有关性病预防知识的6个项目调查结果进行聚类分析。结果 4个潜类别的单一潜变量模型是数据拟合的理想模型(G2=38.52,df=36,P0.05)。依据性病预防知识掌握情况,860名性病门诊顾客可以聚为4个亚群,每一亚群的人数分别为375人、208人、218人和59人。结论潜类别分析适用于多个二分类反应变量的聚类分析。     

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。     

双反应变量重复测量资料分析及MIXED过程实现

目的探讨双反应变量重复测量资料的分析原理与方法及SAS软件PROCMIXED过程的应用。方法结合双反应变量重复测量数据的特点,采用SAS软件的MIXED过程对其进行分析,建立线性混合效应模型。结果该模型不仅考虑了每个变量多次重复测量结果之间的相关性,也考虑了两个变量之间的相关性,同时还引入固定效应和随机效应,结合数据特征分析,结果更为可信。结论对双反应变量非独立重复测量资料,可以把数据之间的相关性分解为重复测量间相关性和变量间相关性两部分,采用MIXED过程不仅可对其相关性做出明晰深入的分析,且可保证数据分析结果解释更符合实际。     

多水平模型在大学生预防艾滋病健康教育影响因素分析中的应用

目的 探讨多水平模型在烟台市大学生艾滋病知信行影响因素中的应用.方法 采用整群随机抽样方法在烟台市4所高校抽取在校大学生作为调查对象,根据大学生艾滋病知识得分数据层次结构的特点,采用MLwiN 2.02软件进行多水平模型拟合.结果 大学生艾滋病知识数据存在聚集性,学校、学生两水平logistic回归和单水平logistic回归分析显示,性别、年级、生源地对大学生艾滋病知识得分的影响无统计学意义(P＞0.05).双变量二分类反应变量模型拟合显示:知识和行为得分在学生水平上存在正相关(r =0.006,P＜0.05).结论 多水平模型分析考虑了数据误差的层次性后,获得的结果更可靠;知识得分与艾滋病个人高危行为的相关关系比较有限,艾滋病的健康教育不应只注重知识的提高.     

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.     

SAS和LISREL软件在结构方程模型运算中的比较

目的通过对比SAS和LISREL软件在结构方程模型运算过程中的程序特点和结果差异,为结构方程模型应用者提供参考。方法运用SAS和LISREL,采用Monte Carlo数据模拟实验对预设模型进行分析。结果 SAS和LISREL对同一参数和统计量的输出结果相同;LISREL输出了更加丰富的拟合指数,并能提供较为直观形象的含有路径系数的路径图;SAS的编程语句直观明了,更易被具有计算机编程基础或者专业统计分析人员所掌握。结论应用者可按照自身专业背景和对两个软件使用的熟练程度灵活选择两种软件。     

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。     

多分类有序反应变量logistic回归应用条件的检验

目的 对多分类有序反应变量logistic回归的应用条件寻求科学合理的检验方法。方法 使用卡方分布的理论，SAS软件及抽样调查方法。结果 设计出多分类有序反应变量logistic回归应用条件的卡方检验方法，推导出反应变量取各水平的概率计算公式及卡方检验中理论值、自由度的计算公式，并在作者主持的国家医师资格临床实践技能考试研究中取得了成功效果。结论 多分类有序反应变量logistic回归得到完善和补充，具有较大的理论和实际意义。     

嵌套logit模型在Stata软件中的拟合

[目的]掌握嵌套logit模型的原理及其在Stata软件中的拟合过程。[方法]运用实例来介绍该模型的拟合过程。[结果]在Stata软件中的拟合过程中。需注意数据结构的正确性、构建模型中的各层次及解释变量、检验IIA假设，最后采用nlogit模块进行嵌套logit模型的拟合。[结论]嵌套logit模型可以解决反应变量的各个类别之间的相关性问题，正确分析因素对反应变量的影响效应。     

条件Logistic回归模型拟合方法简介

正1概念条件Logistic回归模型又称配对Logistic回归模型,适用于配对(配伍)方法收集的应变量为二分类资料的Logistic回归分析。包括SPSS和SAS在内的多数统计软件都没有为条件Logistic回归模型提供直接拟合的程序,但根据模型原理,对数据格式略加变换后,可采用Cox比例风险回归模型(Cox回归模型)进行拟合[1]。Cox回归模型是半参数型的多因素生存分析方法[2],具有比例风险性,即在协变量固定的情形下,