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。

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。

多歧性状上位性关联分析的分层广义混合线性模型方法

[目的]作物抗性性状是重要的育种目标,通常表现为多个级别,称为多歧性状。但是,这类性状的上位性关联分析方法较少。因此,本研究针对品种资源群体探索了新的多歧性状上位性检测方法。[方法]提出了多歧性状分层广义混合线性模型的上位性关联分析方法。在遗传模型中,主效QTL、QTL间互作和QTL-环境互作为随机效应,群体平均数、群体结构和环境效应为固定效应。应用经验贝叶斯和最大似然方法分别估计这些效应。一系列Monte Carlo模拟试验和大豆耐盐碱性实际数据分析验证了新方法的有效性。[结果]新方法的统计功效高,效应估计值精度好;检测结果会受遗传率、表型分类数、表型分布、Founders数和Non-founders数的影响。用新方法分析了257份大豆品种幼苗根长耐盐碱性指数分级数据,检测到2个主效QTL、4个上位性QTL和3个QTL-环境互作,其中11个标记与其他方法或以前结果一致。[结论]本研究为植物上位性关联分析提供了新方法。

广义线性混合模型在煤工尘肺发病影响因素研究中的应用

目的研究广义线性混合模型在煤工尘肺发病影响因素的应用,为煤工尘肺及类似疾病的发病影响因素研究提供新的方法。方法收集煤矿集团所属8个煤矿所有接尘矿工的资料,用SAS进行卡方检验、Logistic回归进行尘肺发病影响因素研究,并与SAS nlmixed模块实现的广义混合现行模型结果进行比较。结果单因素分析、Logistic回归和广义线性混合模型显示:工龄、接尘时间和工种均为尘肺发病的影响因素,工作地点作为随机效应结果差异无统计学意义。结论广义线性混合模型因考虑了不同工人工作地点的不同和随机效应,结果虽然和其他方法一致,但是更有说服力,与其他方法相比是研究尘肺发病影响因素较好的方法。

广义线性混合效应模型及其应用

[目的]探讨广义线性混合效应模型在医学研究领域中的应用。[方法]通过实例分析说明模型的实际应用。[结果]将实例中的多中心临床实验数据中不能直观观测到的中心的效应以随机效应项纳入模型来解决由于来自同一中心可能造成的观测间不独立的问题,模型很好地处理了此类数据。[结论]广义线性混合效应模型可以分析观测间相关、因变量为非正态分布的非独立数据。

广义线性混合模型框架下的信度模型分析

尝试在广义线性混合模型的框架下构建信度模型。在广义线性混合模型框架中,假定被解释变量服从指数簇分布,假定自然参数先验分布为相应的自然共轭先验分布簇,按照Bayes理论,通过特殊构造,给出推论:对随机效应的估计满足经典信度公式。参数估计部分,利用自然共轭先验分布簇参数子列上下极限的性质找出先验分布参数的含义和关系,使用伪似然方法给出信度估计公式。并以特例形式讨论Tweedie模型,对模型进行变形,得到特例的Bühlmann-Straub信度和经典的Bühlmann信度。该模型同时考虑先验信息与后验信息,对整合分类费率与个体经验费率提供一定参考。

广义线性混合效应模型在分类重复测量资料中的应用

目的探讨分类重复测量资料广义线性混合效应模型(GLMMs)建模及SAS8.0的GLIMMIX宏实现。方法利用GLIMMIX宏ERROR和LINK语句来指示反应变量的分布及连接函数,通过REPEATED和RANDOM语句的TYPE选项选择合适的方差-协方差结构矩阵来模拟数据的相关性,采用基于线性的伪似然函数进行模型参数估计。结果GLMMs是在广义线性固定效应模型的基础上引入随机效应,反应变量可以是指数家族中任意分布(连续分布包括正态分布,beta分布,卡方分布等;离散分布包括二项分布,泊松分布,负二项分布等),可以通过连接函数将观测的均数向量与模型参数联系起来,根据重复测量资料的特点选择合适的方差-协方差结构矩阵。结论GLMMs应用范围广,建模灵活,可以为相关或非常量方差数据建模,能提供客观正确的统计结论。

广义线性混合模型在顾客满意度研究中的应用——基于某地区银行理财产品顾客满意度的分析

在对广义线性模型与经典线性模型进行对比分析基础上,重点介绍了广义线性混合模型与估计方法及其在满意度调查数据中的模型设定与应用,并采用某调查机构在2011年1月至2012年3月期间对购买过某地区银行理财产品的客户进行的满意度调查数据进行实证分析。研究表明:相对于经典线性回归模型与广义线性模型,广义线性混合模型是分析满意度调查数据的有效方法。

基于SAS NLMIXED的广义线性混合效应模型在发病率数据Meta分析中的应用

目的:介绍利用SAS软件中的PROC NLMIXED过程步实现发病率数据的META分析方法。方法:基于广义线性混合效应模型(GLMM)的二项式-正态模型(BN)和泊松-正态模型(PNM)等,可方便地实现发病率数据的随机效应Meta分析,尤其当Meta分析纳入含0事件研究时。以Schutz等发表的血管内皮生长因子受体酪氨酸激酶抑制剂治疗的癌症患者发生致命不良事件风险的系统评价作为实例数据,利用SAS软件实现发病率数据的META分析,并提供编程代码。结果:对于含0事件研究,使用PNM模型进行Meta分析,无需进行连续校正法。删除0事件研究对于PNM模型影响较大。与标准正态模型相比,PNM和BNM模型给出的效应值更高,而P值则更小,具有更好的灵敏性。结论:基于广义线性混合效应模型,利用SAS的PROCNLMIXED实现发病率数据Meta分析是优选的方法。

广义Gamma分布簇线性混合模型的收缩估计

为了更好地拟合非经典复杂纵向数据,可以基于广义Gamma分布簇建立广义线性混合模型。然而,过高的模型复杂性不利于模型的解释和误差结构的推断。文章讨论如何将三参数广义Gamma分布收缩到两参数的Gamma分布、Weibull分布或指数分布,降低模型误设的风险。

基于广义线性混合效应模型的蒙古栎林单木枯损建模及影响因子分析

[目的]通过基于广义线性混合效应模型的方法,建立枯损模型,提高枯损模拟和预测精度。[方法]以1995年在吉林省布设的295块蒙古栎永久样地作为研究对象,基于logistic回归及广义线性混合效应模型方法,考虑单木、林分、气象及立地等因子对枯损的影响,构建单木水平枯损模型。并与传统广义线性模型方法进行比较,采用验证数据进行精度验证。[结果]表明:与固定效应模型相比,考虑样地水平随机效应后,模型的模拟精度获得极大的提高,并且达到极显著程度;在截距和胸径变量上考虑随机效应的模型模拟精度最高;对单木枯损有重要影响的因子中,林分公顷断面积、林分平均年龄及年平均夏季(5—9月)降水量(MSP)与单木枯损概率呈负相关,大于对象木断面积、林分公顷株数、气象因子中的年平均温度(MAT)及上一年8月至当年7月的降雪量(PAS)与单木枯损概率呈正相关,初始单木胸径对枯损的影响比较复杂,要和其他因子结合起来分析。[结论]甄别影响单木枯损的不同来源及重要影响因素,有助于进一步制定科学的森林经营措施。

在广义线性混合模型框架下多结局测量的多变量meta分析

目的基于SAS PROC NLMIXED探讨在广义线性混合模型框架下实现多结局测量的多变量meta分析的方法。方法Stijnen等人提出一种基于广义线性混合效应模型(generalized linear mixed model,GLMM)的确切的研究内似然模型(exact within-study likelihood models,EWLM)meta分析技术,可以极方便地实现多结局测量的多变量meta分析。本文重新对Voko等人的荟萃分析数据进行分析,该数据旨在研究颈动脉狭窄患者采用颈动脉内膜切除术或保守治疗对联合终点卒中或死亡的影响。结果基于PROC NLMIXED拟合的多变量随机效应模型的meta分析显示,手术组术后第1个月内的事件发生率为6.31%,SE=0.0083,95%CI(0.0456,0.08063)。手术治疗一个月后的事件发生率为5.5%,SE=0.0024,95%CI(0.04953,0.05962);而对照组事件发生率为7.45%,SE=0.0058,95%CI(0.06231,0.08672)。组间比较比值比效应值OR=0.732,SE=0.0498,95%CI(0.6269,0.838),P=0.0003。结论多变量分析比单变量分析具有更大的潜在信息量,基于广义线性混合效应模型的确切的研究内似然模型meta分析技术可以成为多结局测量的优选方法。

运用广义线性混合模型分析随机区组重复测量的试验资料

重复测量试验对同一受试对象进行多次测量,各时间点数据间存在自相关性,进行方差分析和均值比较时需要进行特殊处理。虽然此方法在农业等研究领域运用十分广泛,但目前有效地相关统计方法鲜见。为了建立操作简单、实用性强、结果可靠的统计分析方法,本研究采用SAS的广义线性混合模型(Generalized Linear Mixed Models,GLIMMIX),以随机区组重复测量试验资料为例,说明了协方差结构筛选、方差分析和均值比较的具体方法。结果表明,用传统的裂区设计、多变量统计等方法会造成资料信息浪费,统计功效降低,缺区无法处理等问题,甚至会导致错误的结论。GLIMMIX能很好地处理自相关问题,功能强大,结果可靠,使用简单,允许缺区,是进行重复测量试验资料方差分析和均值比较的理想方法。目前在国内将其运用到农学类试验数据的统计分析的相关报道鲜见,该文在本领域具有很强的实用性和创新性。

基于广义线性混合模型的仪器分析虚拟实验教学效果的量化研究

采用广义线性混合模型分析了实验成绩与实验重复次数及实验难度之间的关系,研究了虚拟实验与实作实验成绩之间的相关性和差异性.结果表明,仪器分析虚拟仿真实验的开设能够在一定程度上提高学生对大型精密仪器的操作熟练度和准确性;难度较大的虚拟仿真实验应当适当增加练习时间以保证学习效果.

运用SAS广义线性混合模型分析裂区试验数据

裂区设计能够灵活地增加试验处理和进行误差分级控制,在农业试验中应用广泛。但数据的统计分析较复杂,目前有效的相关统计软件十分缺乏。为了建立操作简单、实用性强、计算结果无误的统计分析手段,采用SAS广义线性混合模型(GLIMMIX)程序模块进行裂区设计数据的统计和分析,并通过实例分析说明GLIMMIX相较于传统一般线性模型(general linear model,GLM)程序模块的优缺点。结果发现,与GLM相比,GLIMMIX能够自动选用正确的误差项方差和自由度进行统计量计算,克服了GLM在某些情况下难于计算所需统计量的问题。实例验证说明,采用GLM进行裂区设计统计分析的不足及GLIMMIX分析的其他优点,并与混合程序模块(MIXED)进行了比较,认为GLIMMIX是裂区设计数据统计分析的首选模块。

基于广义线性混合模型的经验费率厘定

信度模型是非寿险精算学中最为重要的成果。从20世纪初至今,信度理论先后经历了两个发展阶段:一是早期的有限波动信度模型;二是目前的最大精确信度模型。有限波动信度模型强调结果的稳定性,而最大精确信度模型强调结果的精确性。因此建立信度模型与广义线性混合模型之间的联系,通过对信度模型的分解可以看到:传统的信度理论对风险的刻画方法与广义线性混合模型的结构有极其相似的地方,故可以用广义线性混合模型来厘定经验费率。

半参数广义线性混合效应模型的贝叶斯分析

纵向数据广泛存在于生物医学、遗传学、经济学以及社会管理等多个研究领域,线性混合效应模型是分析上述数据的有效工具。文章提出了一类含有不可忽略缺失数据的半参数广义线性混合效应模型,考虑了该模型的贝叶斯分析及模型选择问题,通过一AIDS研究的实际数据说明方法的应用。

广义Gamma分布簇广义线性混合模型的参数估计

文章在广义线性混合模型的框架下分析广义Gamma分布簇广义线性混合模型的参数估计问题。提出的参数估计有以下三个显著特点:其一,充分利用广义线性混合模型参数估计的理论成果,参数估计表达式与6种广义线性混合模型参数估计结果形式相同;其二,该方法可以通过反复调用广义线性混合模型中的参数估计模块来实现;其三,具有渐进正态性。

预测性伪似然法和贝叶斯法广义线性混合模型估计

目的比较预测性伪似然法(PQL)和基于马尔可夫蒙特卡罗(MCMC)的贝叶斯方法在广义线性混合模型参数估计的偏差和精度。方法针对样本含量不等的层次数据,运用SAS/glimmix过程和WinBUGS软件分别进行PQL和贝叶斯法参数估计。结果两种方法固定效应参数估计结果基本一致,但对随机效应方差的估计,基于MCMC的贝叶斯法偏差远小于PQL法。结论对二分类层次数据,采用广义线性混合效应模型贝叶斯估计精度更高,偏差更小。

广义Gamma分布簇广义线性混合模型的构建

本文在广义Gamma分布簇基础上引入异质性来构建广义线性混合模型。本文构建的广义Gamma分布簇广义线性混合模型在广义线性混合模型的框架下分析,通过参数重整技术把广义Gamma分布簇变量的建模问题与指数分布簇变量的建模问题联系起来,模型推断可以方便地利用广义线性混合模型和广义线性模型的研究成果,同时也可以方便地推广到其他模型。三参数广义Gamma分布可以收缩到两参数的Gamma分布、Weibull分布或指数分布,能降低模型误设的风险,还能便利地分析误差结构。