数据非随机缺失机制的混合效应模式混合模型分析与应用

目的阐明混合效应模式混合模型原理,实现数据非随机缺失机制医学纵向资料的模型分析。方法采用限制极大似然法进行参数估计,拟合含非随机缺失数据高血压随访资料的混合效应模式混合模型,利用SAS9.2完成模型参数估计与检验等。结果在混合效应模式混合模型(组间模型和组内模型)中得到四种缺失模式下的参数估计值及可信区间后,根据各缺失模式概率,求得参数总估计值。结论混合效应模式混合模型是分析数据非随机缺失机制资料的最佳选择。

基于混合用地模式识别的济南市老城区典型片区绿色空间降温效应分析

城市绿色空间可以通过生态系统服务调节功能有效缓解城市热岛效应,降低高温健康胁迫风险。城市中心城区特别是老城区建成环境具有高度异质性,复杂建成环境中绿色空间的降温效应,特别是混合用地模式中绿色空间的降温强度、阈值、形状等还需进一步明晰。在厘清城市热环境影响因素和绿色空间降温机制基础上,构建了“冷热岛分析提取-混合用地模式聚类识别-混合用地模式热效应分析-典型绿色空间降温效应分析”的研究框架。针对当前城市绿地指标失实、结构失衡、功能失调等现实问题,选择济南市老城区典型片区进行实证研究,重点分析了中层建筑混合用地模式中绿色空间的降温强度、降温面积阈值、形状及植被覆盖度等,总结了具有高降温效能的绿色空间模式,为促进城市健康人居环境发展提供借鉴。

基于广义线性混合效应模型的森林树木死亡研究

基于计数模型方法,同时考虑样地的随机效应,构建林分水平死亡模型,探究影响树木死亡的因素,以期为森林资源的监测与管理提供参考依据。以美国德州东部森林连续清查的样地数据为数据源,按4∶1的比例将其进行随机抽样,划分为训练集和验证集数据,将立地因子、林分因子和气候因子作为模型的自变量,林木死亡株数则作为模型的因变量,运用计数模型和混合效应模型方法进行模型的构建,并分析影响林木死亡株数的因子。使用赤池信息准则(AIC)、贝叶斯信息准则(BIC)和-2倍对数似然函数值(-2logL)3种模型评价指标评估各模型间的拟合效果;采用平均绝对误差(MAE)和均方根误差(RMSE)2种评价指标评估其预测效果,以便筛选出最佳的林分水平死亡模型。结果表明:立地因子方面,林木死亡株数与海拔(P<0.01)呈显著的负效应,与坡度(P<0.05)呈显著的正效应,说明林木死亡株数随海拔的升高而减少,随坡度的增加而增多;林分因子方面,林木死亡株数与林分年龄(P<0.001)和树木基面积(P<0.001)呈显著的正效应,与林分平方平均胸径(P<0.001)和林分密度(P<0.05)呈显著的负效应,说明林木死亡株数随林分年龄的增加和树木基面积的增大而增加,随林分平方平均胸径和林分密度的增大而减少;气候因子方面,林木死亡株数与SPEI(P<0.05)、干旱长度(P<0.001)、年平均温度(P<0.001)和夏季平均降雨量(P<0.05)均呈显著的负效应,与夏季平均温度(P<0.001)呈显著的正效应,说明林木死亡株数随干旱强度和夏季平均温度的增加而增多,随干旱长度、年平均温度和夏季平均降雨量的增加而减少。在基础计数模型中,零膨胀负二项(ZINB)模型的拟合效果最好。而加入样地随机效应后,混合效应模型的拟合精度明显有所提高。基于所有模型模拟结果的比较,得出德州东部森林的林分水平死亡模型以ZINB-mixed模型为最优模型。

基于在线更新的线性混合效应模型的参数估计

本文考虑在线更新数据集下线性混合效应模型的参数估计问题,提出了对应的在线更新估计方法,并证明了所得估计量的相合性.通过数值模拟发现,在不同的参数设置下,该方法的表现良好.将该方法与全局估计进行对比发现,虽然该方法在估计误差方面的表现不如全局估计,但是该方法能适用于在线更新数据集的情形,且大大降低了估计量的估计时间,以及估计时对计算机存储性能与计算性能的要求.

基于混合效应模型的相容性削度-材积方程研究

为构建一个能够准确估计树干从地面到任意部位高度的直径和材积的相容性削度-材积方程,以吉林省汪清林业局金沟岭林场的冷杉解析木数据为例,选择基于材积比方程和基于积分方法这2种方法来构建相容性削度-材积方程系统。在模拟时,采用3种参数估计方法来估计2个系统中的削度方程、全树干材积和商品材材积方程的参数,并考虑样木间的随机效应。选择均方根误差和平均绝对残差等指标,对精度进行比较。最后发展出一个能够准确预测树干任意高度的直径、全树干材积和商品材材积的相容性削度-材积方程系统。结果表明,在2个相容性削度-材积系统中,采用削度方程参数估计方法提供了商品材材积和全树干材积的最差预测,似乎不相关参数方法在材积比方程方法构建的相容性削度-材积方程系统中的精度最高,商品材材积参数方法在积分方法构建的相容性削度-材积方程系统中的精度最高。2个相容性削度-材积系统中无论采用商品材材积参数估计方法还是削度方程参数估计方法,在考虑单木的随机效应后,模型的模拟和验证效果都得到很大的提高。基于积分方法的相容性削度-材积方程系统的模拟和验证精度要高于基于材积比方程方法的相容性削度-材积方程系统的模拟和验证精度。总体来说,相容性削度-材积方程系统可以保证削度方程、商品材材积方程和全树干材积方程在形式和算法上相容。

基于正交投影的线性混合效应模型的弹性网变量选择

本文考虑线性混合效应模型的变量选择问题.通过结合QR分解和弹性网惩罚方法,提出了一种线性混合效应模型中固定效应的变量选择方法.先通过QR分解技术消除随机效应对模型的影响,再利用弹性网构造固定效应的惩罚最小二乘目标函数,从而同时进行回归系数的估计和变量选择,证明了所得估计的组效应性质.所提出的变量选择过程不仅可以将固定效应和随机效应分离,使得两者之间互不影响,而且拥有弹性网方法的组效应性质.模拟研究了所提出方法的有限样本性质.

置信区间宽度等高线图在线性混合效应模型样本量规划中的应用

线性混合效应模型在分析具有嵌套结构的心理学实验数据时具有明显优势。本文提出了置信区间宽度等高线图用于该模型的样本量规划。通过等高线图,确定同时符合检验力、效应量准确性以及置信区间宽度要求的被试量和试次数。结合关注被试内实验效应和被试变量调节效应的两类典型模型,通过两个模拟研究,采用基于蒙特卡洛模拟方法,探索效应量、随机效应大小和被试变量类型对置信区间宽度等高线图及样本量规划结果的影响。

含竞争指标的广义可加混合效应树高-胸径模型

广义可加混合效应模型(GAMM)兼具参数模型与非参数模型的优点,同时适于处理多层次分组数据。通过运用广义可加混合效应模型模拟胸径及树高之间关系,加入竞争因子作为辅助变量,并与传统非线性混合效应模型进行比较,能够为建立树高曲线及提高模型精度提供新方法。根据吉林省汪清林业局金沟岭林场2块100 m×100 m次生混交林样地中的实测单木数据,按照7∶3比例随机划分建模与验证数据。随机效应设定为林木分级,辅助变量选择大于对象木胸高断面积之和(B_(AL))或简单竞争指数(Hegyi指数,H_(EG)),根据随机效应的设定位置共构建15个广义可加混合效应模型,对照模型以Logistic及Richard方程为基础模型,共构建6个非线性混合效应树高-胸径模型。结果表明:所有广义可加混合效应模型均能较好地描述自变量与树高之间的关系,决定系数(R^(2))为0.8897~0.8998,相对均方根误差(R_(RMSE))为17.87%~18.74%,平均绝对误差(M_(AE))为1.7881~1.8745 m,赤池信息量(A_(IC))为4120.42~4162.23,均优于相同自变量下的非线性混合模型,R^(2)平均提高0.005,相对均方根误差、平均绝对误差、赤池信息量分别平均降低0.46%、0.0587 m、41.49。对于验证数据的预测可以看出,模型5具有最小的预测相对均方根误差,为20.28%,同时具有最小的预测平均绝对误差,为2.1038 m。但部分广义可加混合效应模型的预测表现略差于非线性混合模型。综合考虑参数与非参数估计显著性、模型估计精度及预测能力,所有模型中的最优模型为模型5,即以B_(AL)为辅助变量,考虑唯一全局平滑函数并以具有相同扭曲程度的分组水平平滑函数为基础添加随机效应。竞争因子选择B AL作为辅助变量能够提升树高模型的精度,而选择Hegyi指数为辅助变量的促进效果不明显。研究建立的广义可加混合效应树高胸径模型相较于传统非线性混合效应模型具有更高的估计精度及预测效果,B AL适宜作为树高模型的辅助变量来反映林木竞争状况的影响。

临床纵向数据缺失的随机效应模式混合模型及SAS实现

目的:临床纵向研究经常发生数据缺失,但处理起来较为棘手。本研究欲阐明一种随机效应模式混合模型用于纵向数据缺失的分析方法。方法:介绍随机效应模式混合模型的原理,给出构建缺失模式变量的方法,借助一个临床试验实例介绍方法的应用和SAS实现过程,并与随机效应模型方法进行比较。结果:随机效应模式混合模型引入缺失模式变量,考虑了缺失的发生特点,其拟合效果优于随机效应模型。结论:随机效应模式混合模型可灵活、有效处理具有缺失数据的纵向研究数据,为敏感性分析提供了新的方法学支持。

基于混合效应的杉木人工林冠幅模型

构建杉木(Cunninghamia lanceolata)人工林单木冠幅模型,可以提高杉木冠幅的预测精度,并为杉木人工林的科学经营提供参考依据。以杉木为研究对象,基于江西省崇义县杉木人工林57个样地的7198株单木数据,对基础模型进行扩展,并构建含林分因子和单木因子的冠幅非线性混合效应模型;采用十折交叉验证方法,以调整后的决定系数(R_(adj)^(2))、均方根误差(E_(RMS))和平均绝对误差(E_(MA))模型评价指标对各模型的预测效果进行评价。结果表明:(1)备选模型中,Logistic模型的预测效果最佳。(2)除胸径以外,有6个指标对冠幅有显著影响(P<0.05)。6个指标分别是地位指数、林龄、基尼系数(Gini系数)、林分密度指数、枝下高和大于对象木的断面积之和。添加协变量构建的广义模型较基础模型更优,R_(adj)^(2)增加了28.53%,E_(RMS)和E_(MA)分别下降了17.80%和15.72%。(3)考虑样地水平随机效应的混合效应模型优于广义模型,R_(adj)^(2)增加了27.86%,E_(RMS)和E_(MA)分别降低了35.73%和51.87%。协变量和随机效应的加入能有效提高冠幅模型的预测精度,且反映林木大小多样性的Gini系数在冠幅模拟中表现较好,值得进一步探讨该类指标在其他类型人工林模拟中的应用。

基于线性混合效应模型双惩罚变量选择研究老年人抑郁影响因素

目的应用线性混合效应模型双惩罚变量选择对老年人抑郁量表得分(GDS)进行分析,旨在研究老年人抑郁的主要影响因素。方法数据来源于美国国家阿尔茨海默协作中心,筛选2018—2023年期间连续随访5次以上的165人的830次随访结果。首先构建线性混合效应模型,然后采用双惩罚变量选择方法同时对固定效应和随机效应进行变量选择,利用坐标下降算法寻找最小的BIC、AIC、EBIC、BICC值,从而找到惩罚参数的最佳组合。结果惩罚参数的最佳组合为λ_(1n)=0.07,λ_(2n)=0.03。模型选择出固定效应:自理能力、静息心率、记忆力损伤,估计值分别为0.0574、0.0121、1.6232;性别、生活状况、烟龄、嗜酒等具有随机效应。结论研究结果表明受试者自理能力、静息心率、记忆力损伤与老年抑郁呈正相关,其中记忆力损伤对老年抑郁的影响最大。此外,老年抑郁影响因素存在个体差异性,个体差异性最大的因素是身高和视力损伤。最后针对变量选择结果本文给出了应对和预防老年抑郁的相关建议。

基于机器学习的油松人工混交林单木地上生物量混合效应模型构建

利用现地调查数据,构建油松人工混交林单木地上生物量估算模型。通过野外调查,共获取了1313株油松人工混交林单木生物量实测数据,基于最小二乘法、线性混合效应模型和随机森林混合效应模型,分别构建油松人工混交林单木地上生物量模型。结果表明:1)线性混合效应模型(LME)和随机森林混合效应模型(MXRF)结果与普通最小二乘模型(OLS)相比,立地因子作为随机效应能够提升模型的解释能力;2)随机森林混合效应模型(MXRF)的决定系数(0.9907)大于线性混合效应模型(0.9347)和普通最小二乘模型(0.9332),且随机森林混合效应模型的均方根误差(RMSE)和平均绝对误差绝对值(MAE)均小于线性混合效应模型和普通最小二乘模型,说明MXRF模型拟合效果优于OLS模型;3)MXRF模型拟合克服了2种线性模型拟合中存在的异方差问题。本研究构建的模型较好地反映了油松人工混交林地上生物量与生长指标间的关系,形式简单、使用方便,可以为林分生长预测和可持续经营提供依据。

基于g-computation联合混合效应模型控制未测混杂因素的因果推断方法模拟研究及实例验证

目的通过模拟实验和实例验证探讨基于g-computation的联合混合效应模型(joint mixed-effects model,JMM)控制纵向研究未测混杂因素进行因果推断时的效果及性能特点。方法通过计算机模拟产生包含基线及两次随访时点的纵向数据,模拟条件包括样本含量、有无未测混杂因素及未测混杂效应大小,分别利用基于g-computation的JMM、线性混合效应模型、固定效应模型和纵向目标极大似然估计方法估计因果效应,通过平均绝对偏差(mean absolute deviation,MAD)、标准误、均方根误差(root mean square error,RMSE)、95%置信区间覆盖率(95%confidence interval coverage,95%CI coverage)评价比较各方法因果推断的效果。利用绝经期女性队列体检数据,应用四类模型分别估计绝经期女性血清卵泡刺激素(follicle-stimulating hormone,FSH)水平与腰椎骨密度间因果关系,对各模型在真实纵向数据中的因果推断效果进行验证。结果JMM控制未测混杂因素的因果推断准确性最佳,但稳定性略差。当研究中存在较强未测混杂效应时,仅JMM可准确估计因果效应,且其在大样本量时估计的精确性和真实性较好。结论基于g-computation的JMM可有效控制纵向研究中未测混杂因素进行近似无偏因果推断。

油松树高-胸径非线性混合效应模型的构建

为准确预估油松林木树高生长,探究样地间林分状况差异及样地内观测变量的相关性对树高生长预测的影响,以西宁南北山油松针阔混交林为研究对象,采用2013、2016-2021年的固定样地调查数据,从9个备选树高-胸径模型中选择最优基础模型,根据多元逐步回归结果,加入大于对象木的胸高断面积之和(BAL)、Shannon树种多样指数(H_(ba))、林分总断面积(BA)、坡率和坡向的组合项(SLC)构建广义模型,同时考虑样地水平的随机效应再构建广义混合效应模型,分析比较3种模型,确定最优树高预测模型。结果表明:3种模型的拟合效果和预测精度均表现为广义混合效应模型最优,广义模型次之。广义混合效应模型预测结果表明,树高生长与BAL和H_(ba)呈负相关,与BA和SLC呈正相关;BAL、H_(ba)和SLC对树高预测的影响程度随胸径的增加而增加,BA对树高预测的影响程度随胸径的增加而减小;在胸径≤8 cm时树高增速最快,BAL、H_(ba)、BA越小且SLC越大,树高增速越快。本研究构建的油松树高-胸径广义混合效应模型可为西宁地区及相似生态区油松树高生长预估提供参考。

混合式教学模式下创新管理课程的学情分析——基于KANO模型的讨论

在混合式教学模式下,开展创新管理课程学情分析是全面了解学生学习情况、明确课程改革方向的必然选择。基于对混合式教学模式下创新管理课程构建现状的梳理,通过问卷获取学生对创新管理课程教学活动的需求数据,利用KANO模型识别学生需求属性类型,进而提出对课程混合式教学模式的改进建议。旨在方便处理学生学习成长中的复杂需求和不确定问题,增强创新管理课程教学改革的针对性,为提高教学效果提供重要支撑。

青少年自尊发展轨迹及其群组效应分析:基于增长混合模型

使用中国家庭追踪调查(CFPS)数据,筛选出471名青少年的自尊水平及其他相关数据,探讨青少年自尊发展轨迹及其群组效应。采用增长混合模型(GMM)对三个波次(T1、T2、T3)青少年自尊水平数据进行追踪分析。结果表明:三个波次数据的拟合结果良好,存在两个发展趋势不一致的子群体,分别是平缓增长组和显著增长组;学业压力、同伴关系、主观幸福感和家庭社会资本对青少年群体的自尊发展轨迹具有显著的预测作用;青少年自尊发展轨迹存在性别和城乡的群组效应。青少年自尊发展轨迹受多方面因素影响,且存在群组差异。

基于混合效应模型的滇中地区云南松林地上生物量遥感模型研究

确定云南松林生物量光学遥感估测饱和值,探索提高生物量估测精度。以滇中地区云南松林为研究对象,在研究云南松林光学遥感生物量饱和值的基础上,基于生物量-光谱指数回归模型,考虑区域效应,龄组效应以及嵌套两水平(区域+龄组)构建云南松林地上生物量混合效应预估模型,以消除饱和现象带来的预估误差影响。结果表明,NDVI、NLI、G光谱指数生物量饱和值分别为216、151、205 t/hm^(2)。各效应水平混合模型无论拟合指标和独立性检验均优于回归模型,从“刀切法”残差检验结果上看,混合效应模型在低生物量段和高生物量段均降低了回归模型的估测平均残差。综合分析,混合效应模型在一定程度上消除了饱和现象的敏感程度,可有效提高云南松林分生物量的估测精度。

纵向数据下线性混合效应模型的贝叶斯变量选择

在纵向数据下讨论了如何采用贝叶斯方法将线性混合效应模型分别进行固定效应和随机效应选择的问题。针对固定效应选择,首先给出线性混合模型的似然函数,然后对于固定效应引入Spike-and-Slab混合先验,对于随机效应中的协方差矩阵给定Inverse-Wishart分布先验,运用二元潜变量标记固定效应中的活跃协变量,给出满条件分布及相应的Gibbs抽样算法。针对随机效应选择,采用Cholesky分解对线性混合模型中的协方差矩阵进行重新参数化,从而将随机效应分布的协方差参数函数作为标准正态潜在变量的回归系数,通过为随机效应协方差分解后的参数选择Spike-and-Slab混合先验,利用分层贝叶斯模型识别零方差的随机效应,给出满条件分布以及相应的Gibbs抽样算法。使用模拟数据说明方法的有效性,最后将模型应用于2017年2月至2018年2月的26家上市银行的实际数据,验证了方法的优良性。

脂肪肝和血脂异常二元响应混合效应模型及其应用

为了探究脂肪肝、血脂异常与各常规体检项目间的关系,实现对脂肪肝和血脂异常的发病风险评估,基于2 972例体检者9 091人次血常规体检结果建立以脂肪肝血脂异常为响应变量的二元响应广义线性混合模型,并进行疾病风险预测以及预测效果评价.结果表明:脂肪肝血脂异常的共同影响因素有性别、年龄、糖尿病、体质指数、谷丙转氨酶和高密度脂蛋白,脂肪肝和血脂异常两个响应之间的混合效应之间呈现一定的正相关性.在模型预测方面,模型中脂肪肝的ROC曲线下面积SAUC为0.855(95%CI:0.831~0.881),血脂异常的ROC曲线下面积SAUC为0.814(95%CI:0.794~0.850),五则交叉验证结果显示脂肪肝血脂异常的SAUC分别为0.850(95%CI:0.845~0.868)、0.807(95%CI:0.793~0.819),表明模型能够充分反映响应变量之间的相关性,具有较好的预测能力,适用于医学上多疾病的联合分析.

基于非线性混合效应的华东地区主要优势树种林分水平树高-胸径模型

【目的】使用非线性混合效应(nonlinear mixed-effects,NLME)方法建立华东地区林分水平树高-胸径模型,提供一个较大地域尺度的林分树高预测工具,并与传统非线性回归方法比较,探索非线性混合效应方法在构建树高-胸径模型上的表现。【方法】基于华东地区7个省级单元国家森林资源连续清查数据,构建主要优势树种哑变量,采用非线性混合效应方法建立林分水平树高-胸径模型。【结果】非线性混合效应方法在训练集与测试集上均表现优秀,训练集R2、均方根误差(RMSE)和平均绝对偏差(MAE)分别为0.678 5、2.396 7 m和1.832 6 m,测试集R2、RMSE与MAE分别为0.673 8、2.352 0 m和1.798 5 m。与不加入随机效应的传统回归方法相比,混合效应模型在训练集中,R2提升了8.13%,MAE与RMSE分别下降了7.09%与6.87%;在测试集表现中,R2上升了7.75%,RMSE与MAE分别下降了6.61%和5.97%。【结论】使用非线性混合效应方法建立了华东地区主要树种的林分水平树高-胸径模型,最终模型的拟合精度和预测精度均优于传统回归模型,模型适用的覆盖区域较广,能够为森林经营实践提供依据。