多元多水平模型及其在儿童生长发育研究中的应用

目的传统的统计方法不宜用于分析具有层次结构特征的多反应变量数据,本文探讨了多元多水平模型的原理及应用.方法利用儿童生长发育研究的实例介绍多元多水平模型的构造及其应用.结果获得了解释变量系数的有效估计及身长和体重在各个水平上关系.结论多水平模型可以灵活有效地处理各种具有层次结构的数据.     

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...     

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。     

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。     

基于潜变量得分的多水平多变量回归模型在职业紧张评价中的应用

目的介绍基于潜变量得分的多水平多反应变量回归模型在职业紧张评价中的应用。方法为克服测量误差的存在，以职业紧张量表14个分项的潜变量得分，将之作为中问结果引入多水平多反应变量回归模型。结果职业任务各分项不同程度地引起职业紧张，而个体应变能力是减轻职业紧张行之有效的方式。随机系数反映这些影响在不同科室存在着不同。结论采用基于潜变量得分的多水平多反应变量回归模型既可有效降低测量误差，又得以合理地解释。尤其对于系统结构数据，多元线性模型的多水平理论比多水平潜变量分析方法更成熟可信。     

多分类属性反应变量分析方法初探

医学研究中 ,我们经常会遇到反应变量不一定是二值 ,即反应变量呈现多种分类 ( ｐｏｌｙｃｈｏｔｏｍｏｕｓｒｅ ｓｐｏｎｓｅｖａｒｉａｂｌｅｓ) ,且分类不存在等级差别这样一类资料。病人可能会做出自我医疗 (未就诊 ) ,去医院或私人诊所就诊等若干种选择中的一种 ,对这类资料如用二分类ｌｏｇｉｓｔｉｃ回归模型分析 ,获得的可能只是对是否去就诊或是否去某一类医疗机构就诊影响因素的信息。即使有些看似二分类反应变量的资料 ,如果进一步分析的话 ,也存在多分类的可能。例如对社区医疗保健制度的调查结果的“有、无” ,其中“有”还可…     

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。     

双变量横断面资料的多水平模型分析

目的 分析双变量横断面资料两个反应变量之间的相关性随协变量变化的规律。方法 双变量多水平模型,最小二乘法。结果 双变量多水平模型可以估计各水平两个变量的方差－协方差阵,据此可以计算出相关系数随协变量变化的函数式。结论 双变量多水平模型是分析双变量横断面资料相关性的有力工具,克服了用简单直线相关处理这类资料的局限性。     

受限反应变量模型及其参数估计的软件实现

目的 介绍三种受限反应变量.方法 阐述断尾回归模型、截取回归模型和样本选择模型的基本原理及参数估计方法,给出了三种模型参数估计的STATA软件实现.结果 对于反应变量受限的数据,受限反应变量模型可以得到较为一致的参数估计量.结论 受限反应变量模型在医学研究领域有广泛的应用前景.     

二分类反应变量多水平模型及其软件实现

目的本文针对反应变量是二分类、且存在层次结构的数据,给出多水平模型的建模步骤及在软件SPSS、SAS中的实现方法指引,为医学研究者处理这类数据提供参考。方法以卫生服务调查数据为例说明二分类反应变量两水平logistic回归模型的拟合步骤及软件实现。结果如果两水平零模型的随机系数σ检验具有统计学意义,则有必要拟合多水平模型。结论结合专业知识或对σ进行检验判断有无必要考虑高水平效应。SPSS中实现要求19.0及以上版本,操作相对简单,适合初步使用者;SAS中实现建议使用Nlmixed过程语句,利用Glimmix过程语句拟合模型的参数估计结果,为其设定相应参数初始值提供依据。     

多重应答资料统计分析及其SAS软件实现过程

目的 探讨现场调查中多重应答资料的统计推断方法.方法 根据多重应答资料不同选项间既存在关联,又不可互换的特点,将其视为多因变量的多元logistic回归问题,采用广义估计方程建模分析,并通过实例及其SAS编程的实现过程进行阐述.结果 广义估计方程可以很好地分析自变量对于多重应答资料各项的影响,并能进一步回答各选项的基线应答概率、作业相关矩阵信息;在此模型下,还可以进一步分析各影响因素对于每一选项的具体影响,或各自变量的分层比较具体差异的信息.结论 广义估计方程可以作为现场调查中多重应答资料的推断分析.     

logistic回归中自变量相对重要性的相对权重估计

目的将相对权重指标扩展应用于logistic回归分析,以更精确评价自变量的相对重要性。方法原始变量通过最小二乘正交变换获得一组独立不相关但与原变量最大相关的新变量集,并对因变量关于新变量集作回归分析获取一组标准回归系数β,再通过分析正交变量对原变量的回归作用返回至原变量集获取一组相关系数λ,最后对这两组估计参数平方乘积和所得结果就是自变量成比例贡献于因变量的重要性。结果相对权重总和等于模型的总变异R2,有效地分配了每个自变量对因变量的贡献大小。结论当存在共线性问题时,相对权重是评价自变量相对重要性的精确量化指标,为许多分类资料分析中希望确定自变量相对重要性的研究者提供一个可行的估计方法 。     

Comparison of multiple regression to two latent variable techniques for estimation and prediction

In the areas of epidemiology, psychology, sociology, and other social and behavioural sciences, researchers often encounter situations where there are not only many variables contributing to a particular phenomenon, but there are also strong relationships among many of the predictor variables of interest. By using the traditional multiple regression on all the predictor variables, it is possible to have problems with interpretation and multicollinearity. As an alternative to multiple regression, we explore the use of a latent variable model that can address the relationship among the predictor variables. We consider two different methods for estimation and prediction for this model: one that uses multiple regression on factor score estimates and the other that uses structural equation modelling. The first method uses multiple regression but on a set of predicted underlying factors (i.e. factor scores), and the second method is a full-information maximum-likelihood technique that incorporates the complete covariance structure of the data. In this tutorial, we will explain the model and each estimation method, including how to carry out prediction. A data example will be used for demonstration, where respiratory disease death rates by county in Minnesota are predicted by five county-level census variables. A simulation study is performed to evaluate the efficiency of prediction using the two latent variable modelling techniques compared to multiple regression.     

期望寿命与婴儿死亡率的预测

[目的]预测中国婴儿死亡率与期望寿命。[方法]以人均国民收入(购买力平价)为自变量,同期各国婴儿死亡率为应变量,作曲线拟合,寻找最优预测模型;以婴儿死亡率为自变量,同期各国期望寿命为应变量,作线性回归。[结果]建立乘幂函数模型预测婴儿死亡率,决定系数为0.858,模型拟合效果较好。2007年中国婴儿死亡率预测值为20.86‰,实际报告值为19.00‰;建立线性回归模型预测期望寿命,调整决定系数为0.926,模型拟合效果较好。2007中国人口期望寿命预测值为72.36岁,报告值为74岁。预测2020年中国人口婴儿死亡率为8.46‰,期望寿命为75.25岁。[结论]2007年中国人均国民收入偏低,但是在降低婴儿死亡率和提高期望寿命方面优于同等经济实力国家的平均水平。择选与预测指标关系最为紧密的变量,保证足够大的样本含量,通过传统回归方法同样可以较好预测出婴儿死亡率和期望寿命。     

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.     

Estimating linear regression models in the presence of a censored independent variable

The current study examined the impact of a censored independent variable, after adjusting for a second independent variable, when estimating regression coefficients using ‘naïve’ ordinary least squares (OLS), ‘partial’ OLS and full‐likelihood models. We used Monte Carlo simulations to determine the bias associated with all three regression methods. We demonstrated that substantial bias was introduced in the estimation of the regression coefficient associated with the variable subject to a ceiling effect when naïve OLS regression was used. Furthermore, minor bias was transmitted to the estimation of the regression coefficient associated with the second independent variable. High correlation between the two independent variables improved estimation of the censored variable's coefficient at the expense of estimation of the other coefficient. The use of ‘partial’ OLS and maximum‐likelihood estimation were shown to result in, at most, negligible bias in estimation. Furthermore, we demonstrated that the full‐likelihood method was robust under misspecification of the joint distribution of the independent random variables. Lastly, we provided an empirical example using National Population Health Survey (NPHS) data to demonstrate the practical implications of our main findings and the simple methods available to circumvent the bias identified in the Monte Carlo simulations. Our results suggest that researchers need to be aware of the bias associated with the use of naïve ordinary least‐squares estimation when estimating regression models in which at least one independent variable is subject to a ceiling effect. Copyright © 2004 John Wiley & Sons, Ltd.     

广义估计方程与多水平模型在相关资料中的比较研究

目的 通过不同分布模型之间的比较分析,选择较合适的模型进行估计.方法 对一家庭资料拟合不同分布、不同内部相关性与不同样本量的模型进行比较分析.结果 在小样本估计中,GEE1对参数回归系数和标准误的估计比MLM稳定.在样本数较大时,GEE1和MLM两种模型的有效性已无差别.结论 在相同问题的分析上根据数据类型、研究目的和资料的性状,选择恰当的模型进行分析.     

A three‐step estimation procedure using local polynomial smoothing for inconsistently sampled longitudinal data

Parametric mixed‐effects models are useful in longitudinal data analysis when the sampling frequencies of a response variable and the associated covariates are the same. We propose a three‐step estimation procedure using local polynomial smoothing and demonstrate with data where the variables to be assessed are repeatedly sampled with different frequencies within the same time frame. We first insert pseudo data for the less frequently sampled variable based on the observed measurements to create a new dataset. Then standard simple linear regressions are fitted at each time point to obtain raw estimates of the association between dependent and independent variables. Last, local polynomial smoothing is applied to smooth the raw estimates. Rather than use a kernel function to assign weights, only analytical weights that reflect the importance of each raw estimate are used. The standard errors of the raw estimates and the distance between the pseudo data and the observed data are considered as the measure of the importance of the raw estimates. We applied the proposed method to a weight loss clinical trial, and it efficiently estimated the correlation between the inconsistently sampled longitudinal data. Our approach was also evaluated via simulations. The results showed that the proposed method works better when the residual variances of the standard linear regressions are small and the within‐subjects correlations are high. Also, using analytic weights instead of kernel function during local polynomial smoothing is important when raw estimates have extreme values, or the association between the dependent and independent variable is nonlinear. Copyright © 2016 John Wiley & Sons, Ltd.     

山东省制药和电子行业流动女工职业和心理健康调查

目的了解山东省制药和电子行业流动女工的职业健康和心理健康状况。方法 2010—2011年选择电子、制药行业各3个企业流动女工共3 804人,填写个人调查表、企业调查表,进行症状自评量表(SCL-90)测量。全部数据录入Epi-Data数据库,应用SPSS 17.0统计软件进行单因素多个样本F检验、相关分析、多重线性回归分析。结果①电子行业流动女工年龄小,工龄低,学历低,多未婚;制药行业流动女工年龄大,工龄较长,学历较低,多已婚。2种行业女工的生殖健康表现为痛经和淤血,躯体健康方面表现为头痛、头晕、腰背痛、抑郁等。电子行业重复单调动作、连续站立工作较多。②电子行业女工心理障碍较制药行业女工为重。③心理健康与一般情况、生殖健康、躯体健康、工作情况有显著相关,但相关度不高。④以心理因素为因变量,以一般情况和躯体健康、职业情况为自变量,根据相关分析结果,进行多重线形回归分析,建立回归方程,各自变量对心理因素的贡献率在8%～32%之间。结论山东省电子制药行业流动女工存在严重的生殖健康和职业健康问题。电子行业流动女工心理问题较严重,与职业特点、躯体健康有关。心理问题的影响因素较多,职业因素和个体因素在心理因素中占有很重要的比重。