糖尿病及糖尿病前期人群中血尿酸与血糖的关联:基于协变量均衡广义倾向性评分法

目的:探讨2型糖尿病(T2DM)及糖尿病前期人群中血尿酸(SUA)与血糖的关联。方法:从2020年1月至2022年12月于淄博市某三级医院体检的人群中,选取新确诊的T2DM患者1012人,糖尿病前期1025人。分别利用两个人群数据,采用随机森林算法筛选与血糖关系密切的关键协变量,采用协变量均衡广义倾向性评分法均衡关键协变量后,对SUA与血糖水平进行加权线性回归。结果:筛选出甘油三酯、年龄、谷氨酰胺转肽酶、谷草转氨酶、肌酐、低密度脂蛋白、总胆固醇、碱性磷酸酶、尿素、谷草/谷丙为关键协变量。在T2DM人群中,均衡后协变量与SUA的相关系数均值为0.0044;在糖尿病前期人群中,均衡后相关系数均值为0.0781。加权线性回归结果显示,在T2DM人群中,血尿酸(100倍)水平与血糖变化呈负关联,β(95%CI)为-0.424(-0.601~-0.247);在糖尿病前期人群中两者的关联没有统计学意义,β(95%CI)为0.001(-0.020~0.021)。结论:T2DM患者血尿酸水平与血糖呈负关联。

连续处理变量下的协变量平衡——基于“中国年龄–储蓄率之谜”的实证研究

协变量平衡聚焦于消除处理变量和协变量的相关性,有助于在因果推断中减少极端权重的产生,提高估计量的稳定性和精度。目前二元处理变量下的协变量平衡相关研究较多,但连续处理变量下的协变量平衡研究有待进一步发展和完善。同时,现有研究直接基于平衡权重的角度实现协变量平衡,相应最优化为带等式和不等式约束的非线性规划,最优化求解相对复杂,导致方法对于大样本量数据尤其是微观数据的使用存在局限性。为避免上述不足,本文基于广义倾向得分的角度提出一种连续处理变量下的协变量平衡方法。该方法使得协变量逼近基的加权样本均值等于协变量逼近基的样本均值,平均剂量响应函数的估计量满足渐近无偏性和相合性。特别地,本文方法的最优化函数为严格凸函数且不带任何约束,从而最优化函数存在唯一解且求解相对简单,因此方法适用于大样本量数据尤其是微观数据的问题研究。此外,本文还提出一种特别的J折交叉验证方法,选择逼近基的阶数以实现数据驱动。数值模拟表明,本文提出方法的估计精度较高。将方法应用于中国家庭追踪调查微观数据,本文得出我国存在“年龄–储蓄率之谜”现象,即户主年龄与家庭储蓄率存在正U型关系,拐点约为42岁。

协变量随机右删失时变系数模型的估计

数据经常因为个体失访,退出实验或者研究结束而出现右删失的现象.右删失数据的研究吸引了很多研究者的兴趣.文献中大部分研究集中在响应变量出现右删失的情况.回归模型中的协变量也可能出现右删失,但相关的研究并不多.本文研究协变量随机右删失时变系数模型的估计问题.我们利用逆概率加权方法直接对目标函数进行调整,而不是调整被删失的协变量,来处理数据的删失.所得估计的渐近性质得到严格证明.通过数值模拟和实例分析,可以看到本文所提方法具有很好的有限样本性质.

含高相关协变量的纵向广义线性模型变量选择研究

结合半标准偏协方差函数(SPAC)和Lasso惩罚估计方法,对一类纵向数据下的广义线性模型的变量选择问题提出一种基于SPAC-Lasso惩罚的变量选择方法。在一些正则性条件下证明了所提出的变量选择方法的相合性,并给出了所得正则估计的收敛速度。所提出的变量选择方法允许协变量之间存在高相关性,改进并推广了已有变量选择方法的应用领域。

带碎片协变量右删失数据的模型平均方法

考虑在带有碎片协变量的右删失数据下比例风险模型的模型平均问题,先利用极大似然估计方法对模型中的参数进行估计,再采用基于信息准则的模型平均方法选取权重.模拟结果表明,模型平均方法相比于模型选择方法预测精度更高.并通过乳腺癌实例分析验证了该方法的优越性和可行性.

因果推断中基于能源距离的协变量分布平衡

本文基于倾向得分构造处理组和对照组协变量的经验加权分布,采用能源距离度量加权经验分布与总体协变量经验分布的差异,通过最小化分布差异最大化协变量平衡,进而估计倾向得分和平均处理效应。本文最优化不带任何约束并且保证解的唯一性。同时,平均处理效应估计量是√n相合,估计量精度较高。将本文方法应用于考察养老保险对生育意愿的影响,相比回归分析本文结果可靠性更佳。

正则化方法对连续协变量项目功能差异的检测及其应用

提出检测连续协变量条件下项目功能差异的正则化方法,并将其与Logistic回归方法进行比较。模拟数据分析结果表明:1)在所有条件下,正则化方法的一类错误率比Logistic回归方法低。在DIF项目比例为20%时,正则化方法的检测效果优于Logistic回归方法。2)正则化方法对0.3的DIF值不敏感,检验力低。3)两种方法的一类错误率随着样本量增加、DIF值增加而增加,检验力随着样本量增加、DIF值增加、DIF项目比例减小而增加。将正则化方法应用于PISA2012数学测验数据,进行连续协变量下的DIF检测及正则化方法的实际应用,结果也发现正则化方法相比于Logistic方法可以更好地控制一类错误率。

考虑协变量的随机森林降水融合算法在长江流域的应用

高质量、高时空分辨率的降水数据对水文、气象等领域的研究具有重要意义。目前遥感、再分析降水数据应用普遍,但存在分辨率低、精度不确定性大等问题。对此,提出了考虑协变量的随机森林降水融合算法,对CMA、CN05、ERA5、GLDAS、TRMM、IMERG、PERSIANN七套降水产品进行融合,并选取长江流域的三个典型子流域(金沙江、三峡区间、鄱阳湖)进行随机森林融合数据(RFF)的效果检验。结果显示,对于降水产品准确性,随机森林融合数据精度相较于原始降水产品有所提升。对于不同降水事件的准确性评估,随着降雨强度增加,各降水产品风险评分(TTS)评分均呈减小趋势,RFF的TTS评分优于原始降水产品。通过考虑协变量的随机森林模型对降水产品进行数据融合,可以提升降水数据的精度及不同降水事件发生的可靠性,为水文模拟等提供支持。

基于协变量信息的自适应MEWMA控制图

在统计过程控制中,质量变量通常会受到许多协变量因素的影响,充分利用协变量的有用信息可以进一步提高控制图的灵敏度,因此提出一种新的自适应多元EWMA控制图,并计算ARL进行比较。在MEWMA控制图的基础上引入一个权重函数,根据协变量的有用信息自适应的调节统计量的加权参数:当收集到的协变量信息发生偏移时,选择较大的加权参数,更关注当前和附近时间点观测值的偏移程度;反之则选择较小的参数。大量数值模拟分析表明,充分利用协变量中的有用信息之后,监控效果明显优于MEWMA、MCUSUM控制图。

带有污染协变量和辅助生存信息的Cox模型的改进估计方法研究

在流行病学、生物医学和临床试验等领域的研究中,Cox模型是最受欢迎的半参数回归模型之一.在建模过程中,观测到的协变量通常是被污染的,污染因子可测,但是污染函数未知,直接使用被污染的协变量进行参数估计,可能会造成错误的统计推断.研究者往往发现疾病治疗的最佳时刻点,如果忽略这些辅助生存信息,可能导致估计效率的降低.本文研究带有污染协变量和辅助生存信息的Cox模型的一种改进估计,通过核平滑方法校准受污染的协变量,并通过分组提取辅助生存信息用于参数估计,然后使用广义矩估计方法解决超维方程组求解的问题.模拟分析和实证研究结果表明:基于协变量校准后的Cox模型的广义矩估计方法比偏似然估计方法、协变量未调整的Cox模型的广义矩估计方法的效果更好.

真实世界研究中协变量组间均衡性的诊断指标研究

目的评价真实世界研究(real world study,RWS)组间协变量均衡性的诊断指标。方法模拟不同的组间均衡性程度、不同的协变量与暴露、结局关系等RWS模拟数据场景,通过构建各诊断指标与估计偏差的相关性模型,评价不同的单一协变量、全局协变量均衡性诊断指标的准确性、稳健性。结果除L1测度外,标准化差值法、重叠系数、K-S距离、Lévy距离、马氏距离和一般加权差均能识别不同程度的均衡性。基于倾向得分的C统计量和一般加权差估计相关性模型的R2值均大于0.8,截距值逼近原点,对于组间均衡性的诊断最为准确和稳定。结论单一协变量诊断指标可以评估RWS数据组间协变量的均衡性,但全局诊断指标的准确性、灵敏度和稳健性更好,其中倾向得分C统计量的诊断效果最佳。

基于网络协变量惩罚回归的旅游需求预测研究

基于网络大数据能够及时有效地提高旅游需求预测精度,对旅游业及其利益关联产业的发展和规划至关重要。本文以北京市2011~2021年的月度国内游客量为研究对象,筛选旅游六要素相关关键词的百度指数以弥补政府统计数据时滞和颗粒度不足的缺陷,构建旅游需求的AR模型、SARIMA模型、LASSO回归模型和带有网络协变量的惩罚回归模型,对有无疫情影响两种情形进行预测和评估。实证研究发现:(1)游客出行前的搜索行为与旅游需求存在很强的关联性,是旅游需求预测的重要补充解释变量;(2)传统景区等观光旅游仍然是当前主要的旅游形式,热门景点以及北京周边游等网络攻略的相关百度搜索指数能够在一定程度上影响潜在游客需求的转化;(3)网络协变量惩罚回归模型的预测能力显著优于没有考虑网络搜索变量的时间序列模型和传统的LASSO回归模型,且在疫情影响和长期预测下展示出更好的稳健性。本文为各级旅游管理部门充分利用网络信息挖掘游客需求、建立信息化的营销机制以及优化网络信息、促进潜在游客转化等提供了坚实的实证基础。

中介变量、调节变量与协变量——概念、统计检验及其比较

本文在已有研究文献的基础上,集中探讨了中介变量、调节变量和协变量的概念,以及中介效应、调节效应和协变量效应的统计分析方法。随后分别对中介效应和间接效应,调节效应和交互效应进行了辨析,并从测量水平和检验方法等方面对三种统计概念做了比较。

具有协变量或干扰因素的诊断试验数据的ROC分析

目的 探讨具有协变量或干扰因素的诊断试验数据的评价问题 ,建立相应的统计模型及分析方法。方法 基于ROC分析给出多变量ROC模型 ,采用有序logistic连接函数 ,利用SAS软件进行参数估计 ,得到有协变量情况下的ROC曲线方程及曲线下面积。文中结合检测动脉硬化的数据 ,说明了其用法。结果 采用文中给出的方法 ,可以有效地扣除协变量的影响 ,准确地评价诊断的作用。结论 本文提供的方法能够有效地解决诊断试验中具有干扰因素影响的问题。

基于不同协变量Cokriging土壤养分空间预测精度研究——以陕西省蓝田县为例

以蓝田县西北部农耕区2012年1 114份土壤有机质、碱解氮、有效磷、速效钾4个指标为基础,利用地理信息系统和地统计学相结合的方法,在对协变量个数控制的前提下,通过交叉检验系数和精度提高系数,探索协同克里格插值法对各土壤养分空间分布预测精度的影响。结果表明:各土壤养分空间分布不均匀,土壤养分存在中等变异性;利用增加协同变量方法,依据协变量之间相关性强弱控制协变量进入模型的次序对各土壤养分指标进行协同克里格插值,能提高预测精度,当协变量个数达到3时,各养分指标精度提高分别为有机质0.353%,碱解氮1.114%,有效磷1.088%,速效钾0.646%。研究结果较为准确地预测了样区4个养分指标的空间分布特征,结合土壤类型及土壤施肥管理方法,探讨了土壤养分空间分布特征的原因。

临床试验中评价处理效应的协变量调整问题

临床试验设计和分析中常常包括影响疾病结果的非处理因素 ,这些因素被统称为协变量。对处理效应的评价 ,若不合理考虑协变量的影响 ,常常会导致结论的偏倚乃至错误。因此 ,在临床试验中要审慎地对待这一问题 ,在评价处理效应时应该考虑用协变量对其进行适当的调整 ,以达到处理效应的正确评价。试验设计阶段的协变量调整称为“事先调整” ,常用的方法有分层法、动态分配最小化法等。试验分析阶段的协变量调整称为“事后调整”,常用的方法有分层检验法、回归模型法等。通过协变量调整 ,一方面阐明病人特征在处理组间的不均衡并没有影响到处理效应的正确评价 ,提高临床试验结果的可信度 ;另外 ,协变量调整方法的合理运用还可提高统计效能。本文对处理效应评价协变量调整涉及的概念、方法、步骤等进行介绍和探讨 ,尤其强调了应用中的一些统计学事项。

常用生存分析模型及其对时依性协变量效应的估计方法

生存分析是利用统计学相关理论和方法探索研究因素与＂事件时间＂（time-to-event）关联的问题。自20世纪50年代其研究方法初具规模以来,经过几十年、尤其是近三十年来的蓬勃发展,生存分析已经成为现代统计学的一个重要分支,研究领域广泛涉及医学、生物学、工程学、经济学及人口统计学等[1]。

可迁移测度准则下的协变量偏移修正多源集成方法

迁移学习通过充分利用源域共享知识,实现对目标域的小样本问题求解,然而,对训练和测试样本分布差异测度仍然是该领域的主要挑战。该文针对多源迁移学习算法中,由于源域选择和源域辅助样本选择不当引起的"负迁移"问题进行研究,提出一种可迁移测度准则下的协变量偏移修正多源集成方法。首先,根据源域和目标域之间的协变量偏移原则,利用联合概率的密度估计,定义辅助样本的可迁移测度,验证目标域和源域在数据空间中标记分布的一致性。其次,在多源域选择阶段,引入非迁移判别过程,提高了源域知识的迁移准确性。最后,在Caltech 256数据集中,验证了Gist特征知识表示和迁移的有效性,分析了多种条件下的辅助样本选择和源域选择的有效性。实验结果表明所提算法可有效降低"负迁移"现象的发生,获得更好的迁移学习性能。

松原地区含有协变量的地下水流数值模拟

分析了地下水互馈协变关系行为的作用过程与特征,以松原地区地下水系统为例,基于收集和整理资料建立了含有协变量的地下水模拟模型,并采用Visual MODFLOW软件求解,预测了地下水流场。结果表明,考虑了协变量的模拟模型更符合实际。

带协变量的统计分布及其应用──疾病的统计分布(四)

疾病的发生受诸多因素的影响，故疾病发生数的统计分布亦随影响因素及其水平的变化而发生改变，即单位时间或空间的病例数的统计分布不是一成不变的。本文提出带协变量的统计分布之概念，并以时依Ｐｏｉｓｓｏｎ分布为例，说明了这类问题的求解及其应用．