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SASMIXED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 SASMIXED可灵活地拟合包括多水平模型的各类混合模型。

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。

方差分析和混合线性模型在重复测量数据中的应用探讨

[目的]通过混合效应线性模型与重复测量的方差分析在重复测量资料中的应用比较,说明两种方法在处理重复测量资料时的特点。[方法]对四川大学华西医院精神科就诊的139名患者进行随访调查研究,对调查表中的抑郁量表分数分别运用重复测量的方差分析模型和混合线性模型处理。[结果]混合效应模型和重复测量的方差分析都是处理重复测量资料的重要的统计方法,前者在选择协方差结构下可对重复测量资料的固定效应和随机效应参数及协方差矩阵进行参数估计和统计检验,后者只能对重复测量资料的固定效应做出统计推断。[结论]混合效应模型在处理临床中的重复测量的资料比重复测量的方差分析,对资料的要求更宽松,所得的结果更加客观。

混合线性模型在临床试验中重复测量资料的应用

目的:探讨混合线性模型在临床试验重复测量资料分析中的应用。方法:利用混合线性模型分析结果指标为定量资料的重复测量资料,通过参数和标准误的估计得出统计学结论。结果:对于临床试验重复测量资料,混合线性模型能有效的考虑数据相关性,处理有缺失值的资料,可以获得组别、时间及有无交互作用的结论。结论:采用混合线性模型对临床试验重复测量资料进行统计分析,可以更客观的进行药物疗效评价。

离散型二分类数据的广义混合线性模型分析——混合线性模型及其SAS软件实现(三)

目的 离散型系统结构数据若忽略其误差多层次的存在 ,采用广义线性模型分析会导致不实的结果 ,本文探讨了广义混合线性模型理论及其实现过程。方法 利用SAS宏程序GLIMMIX实现了logit及loglog混合模型的分析。结果 各项结果均与MLN的分析结果一致 ,且进一步拟合了数据的logit随机系数模型。 结论 GLIMMIX可分析多种离散型系统结构数据 ,但还应注意算法和数据的误差分布 ,才能使广义混合线性模型得以合理地应用。

应用混合线性模型(AD)分析热带温带玉米群体间的遗传关系

按Griffing双列杂交方法Ⅳ,对9个热带和温带玉米群体进行组配,获得36个杂交组合。2002年和2003年,采用混合线性(AD)模型和最小范数二阶无偏估算法(1)法(minimum norm quadratic unbiased estimation,MINQUE),分别在河南安阳和湖北十堰进行田间鉴定,对产量和产量构成因素的遗传方差分量、杂交组合的基因型值进行了分析。结果显示,产量和产量构成因素的遗传方差分量及其与环境的互作效应大多达到极显著水平,但各项遗传方差分量对总表型变异的贡献有差异。对小区产量而言,各效应的贡献是显性>显性与环境互作>加性与环境互作>加性;而加性方差分量对总表型变异的贡献为穗行数>穗粒数>百粒重>小区产量。对这36个组合的群体平均优势和群体超亲优势进行了估计,并在此基础上引入群体间遗传差异的度量参数ω/(2μ),ω/(2μ)=群体平均优势-群体超亲优势。对9个群体的比较表明,遗传差异与杂种优势之间不存在线性关系,亲本的遗传差异过大和过小都不利于产生强优势组合,具有中等遗传差异的亲本群体表现出了强的杂种优势。如组合3×6(BSSS C9×Stay Green C4)、2×3(BS16×BSSS C9)和1×3(Suwan1×BSSS C9)都具有中等的遗传差别,有较好的杂种优势表现;BSSS C9与Stay Green C4和Suwan1、BS16和Suwan1在温带育种中值得关注,有可能形成新的杂种优势模式。

混合线性模型效应参数的影响分析

该文考虑非平衡混合线性模型的影响分析及强影响点的探测问题．文中导出了在单点剔除模型下效应参数的经验Ｂａｙｅｓ估计与原模型下对应估计的相互关系．利用Ｃｏｏｋ距离和协方差比统计量，我们分别给出了剔除单个数据点对固定效应和随机效应参数估计以及估计精度的影响度量．最后，给出具体的计算方法，并对一实例进行分析．

混合线性模型效应参数的Bayes局部影响分析

该文研究混合线性模型效应参数的 Bayes局部影响评价问题 .导出了混合线性模型在各种扰动下效应参数的 Bayes局部影响度量 ,并给出了平衡单向分类随机效应模型下的一些结果 .最后通过实例分析 。

利用混合线性模型和BayesCPi进行QTL-MAS2011公共数据集的全基因组关联分析

本研究利用MTDFREML对QTL-MAS2011公共数据集的模拟性状进行方差组分估计,遗传力估计约为0.29。主成分分析显示,群体内不存在显著的群体分层现象,然后用2种模型进行全基因组关联分析研究。利用GAPIT程序包中的混合线性模型对QTL-MAS2011公共数据进行全基因组关联分析,共得到10个显著的单核苷酸(SNP)位点(P<0.05),其中,4个显著的SNPs在1号染色体上,4个显著的SNPs在3号染色体上,2个显著的SNPs在5号染色体上。使用HAPLOVIEW软件对1~3号染色体上88个SNPs进行连锁不平衡(Linkage disequilibrium,LD)分析,确定2个QTLs(QTL1和QTL5)分别在1号和3号染色体上,2、4、5号染色体没有检测到QTL。利用BayesCPi模型进行全基因组关联分析研究,通过基因组窗口效应方差图谱确定1个QTL在1号染色体上,2个QTL在2号染色体上,1个QTL在3号染色体上。

重庆地区儿童尿碘重复测量数据混合线性模型研究

为研究8～10岁儿童白天时段尿碘含量变化规律,给统一尿样采集时间提供理论依据,采集重庆市区一所住宿小学的60名8～10岁儿童1 d的晨尿、10:00 am、12:30、4:00 pm时段的尿样,采用砷铈催化分光光度法检测了尿碘含量,用混合线性模型(mixed linear models)分析了尿碘数据。结果表明,不同年龄、不同时间点的尿碘含量存在差异,10:00 am尿与晨尿尿碘值最为接近。提示应用10:00 am尿样通过乘以校正系数1.094,0.997和1.072的修正值代替晨尿可以使尿碘水平具有代表性和可行性,混合线性模型能够有效地处理重复测量数据。

单样本重复测量资料的混合线性模型及其应用

目的探索单样本重复测量资料的统计分析方法。方法给出了混合线性模型拟合方法和实例分析。结果通过混合线性模型拟合,使单样本重复测量资料得以合理分析。结论混合线性模型可以有效地、全面地分析单样本重复测量资料。

运用混合线性模型定位复杂数量性状基因的方法

运用混合线性模型分析原理，提出了复杂数量性状基因定位的方法，可以分析ＱＴＬ复杂的遗传效应及ＱＴＬ×环境互作效应．采用混合线性模型随机效应的无偏预测方法，可以预测基因型值和基因型×环境互作效应值，再运用区间作图法或复合区间作图法间接分析ＱＴＬ的加性、显性遗传主效应及其与环境的互作效应，还能定位在特定发育阶段表达的ＱＴＬ．基于混合模型的复合区间作图法（ＭＣＩＭ法）可以分析多环境的遗传实验资料，直接分析包括上位性效应的遗传主效应及其与环境的互作效应．Ｍａｒｋｏｖ链蒙特卡罗（ＭＣＭＣ）分析方法可用于推断ＱＴＬ的统计特征．

包头市细颗粒物遥感监测混合线性模型

以PM_(2.5)为主的颗粒物污染是影响我国城市空气质量的首要因素之一。针对城市尺度,高时间分辨率的MODIS气溶胶产品空间分辨率不足,且气溶胶光学厚度(AOD)与PM_(2.5)回归精度受到季节因素的影响而精度不足的问题,以Landsat-8OLI为数据源,选取季节因子为影响AOD变化的随机效应,以风速、地表温度、AOD等为固定效应,提出AOD与实测PM_(2.5)关系的混合线性模型。结果表明,与线性模型相比,该模型有较好的回归精度;包头市PM_(2.5)浓度时空差别明显,PM_(2.5)浓度冬季浓度水平最高,春季最低;从空间分布来看昆都仑区污染较高,青山区北部次之,东河区和九原区最低。

混合线性模型在裂区试验设计中的应用

目的探讨混合线性模型在裂区试验设计中的应用。方法利用混合线性模型分析裂区试验设计资料,通过参数和效应的估计得出统计学结论。结果对于裂区试验设计资料,混合线性模型能有效控制随机效应,可以获得药物、时间有无统计学意义及两者有无交互作用地结论。结论应用混合线性模型对裂区试验设计资料进行分析,较一般线性模型相比,可以更客观、更真实地得出结论。

数量性状基因定位的混合线性模型分析方法

数量性状基因定位的混合线性模型分析方法①朱军（浙江农业大学生物数学研究中心，杭州３１００２９）作物产量、品质和抗逆等重要的农艺性状大多为数量性状基因所控制。近十年来，随着分子标记检测技术的发展，有关数量性状基因座位（ＱｕａｎｔｉｔａｔｉｖｅＴｒａｉｔ...

混合线性模型下猪群间遗传联系的度量

采用关联指数（IC）和决定系数（CD）两种方法，度量混合线性模型遗传评估下猪群体间的遗传关联性。结果表明，加拿大安大略省的大约克夏猪、长白猪、杜洛克猪和汉普夏猪4个主要品种群体间具有良好的遗传联系。CD法既组合了数据结构和信息量，又考虑了预测误差方差和遗传变异性，是一个选择判断遗传评估精度的好方法。

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。

田间灌溉试验资料广义混合线性模型分析

利用广义混合线性模型和传统方差分析模型对一玉米田间灌溉试验资料进行了对比分析,展示了两种分析法在模型定义、程序应用和分析效果等方面的差异状况。结果表明,采用广义混合模型分析误差相关的灌溉试验资料,模型拟合效果好,可以更客观地进行试验处理效应的测验。