调整协变量的多位点关联分析方法及其在酗酒数据中的应用

复杂疾病的发生与个体的遗传变异和环境协变量密切相关.在进行遗传位点与性状的关联分析时,环境协变量起着重要作用.如果处理它们的方法不当,可能会带来分析结果的偏差或是检验功效的降低.针对多位点遗传变异信息,我们在整合连锁不平衡信息的检验方法SLIDE的基础上,提出了对基因型用倾向得分进行逆概率加权的调整协变量关联分析方法SLIDE_(a).随机模拟结果表明,当协变量既与基因型相关又与性状相关时,SLIDE_(a)可以有效控制住第一类错误率.同时,当致病位点包含常见变异,多位点对性状效应方向不一致或位点与协变量存在交互作用时,SLIDE_(a)具有优越性.随后我们将SLIDE_(a)应用于COGA酗酒相关数据分析中,找到了OPA3,OXTR等数个与酒精成瘾性相关的基因,这展示了SLIDE_(a)的有效性并为后续的生物学研究提供理论指引.

协变量调整回归模型的经验似然推断

考虑协变量调整回归模型的估计问题.利用经验似然方法,给出了回归系数的校正经验似然比函数,并证明了其满足Wilks'现象,进而构造了回归系数的置信区间.通过数据模拟以及实例分析研究了该文方法的有限样本性质.

时间序列中的协变量调整非参数回归模型（英文）

在某些场合,回归模型中的预测变量与响应变量不能被直接观测,而是受到某个可观测变量的影响,在这种情况下人们提出了协变量调整模型.本文在时间序列场合下讨论协变量调整非参数回归模型(CANR),提出了回归函数的两步估计法,在α-混合条件下讨论了估计的大样本性质,最后研究了模型在模拟和实际金融数据中的应用.

一个带协变量调整多响应比较的高效方法及其在基因组数据中的应用

目前在文献中有很多关于多响应比较的研究方法,但是对带协变量调整的非参数检验的研究较少。一种直观的想法是将数据先投影到协变量的正交空间中,然后再利用秩和检验、调整的秩和检验或最大值检验方法。但是,功效普遍不高。在调整的秩和检验和伪F检验两种方法基础上,构建MIN2检验。大量模拟和实际数据表明,MIN2检验的效果优于现有的非参数检验方法。

利用协变量调整控制混杂因子的鲁棒文本分类

针对目前很多文本分类方法很少控制混杂变量,且分类准确度对数据分布的鲁棒性较低的问题,提出一种基于协变量调整的文本分类方法.首先,假设文本分类中的混杂因子(变量)可在训练阶段观察到,但无法在测试阶段观察到;然后,以训练阶段的混杂因子为条件,在预测阶段计算出混杂因子的总和;最后,基于Pearl的协变量调整,通过控制混杂因子来观察文本特征和分类变量对分类器的精度影响.通过微博数据集和IMDB数据集验证所提方法的性能,实验结果表明,与其他方法相比,所提方法处理混杂关系时,可以得到更高的分类准确度,且对混杂变量具备鲁棒性.

基于比例风险模型中协变量调整方法的研究

在实际数据中,尤其是医学数据,其协变量受到某些因素的污染或干扰,而真实的协变量无法观测.本文所讨论的是在比例风险模型中如何对受干扰的协变量进行调整的问题.目前所存在的协变量调整方法不能直接用于生存数据,为了解决这个问题,我们运用核函数来构造干扰因子的分布函数,对受干扰的协变量进行平滑得到真实协变量的估计值,再代入到模型中得到参数的回归估计值,并完成了估计值满足相合性和渐近正态性证明.又提出运用极小极大算法(minorization-maximization algorithm,MM)得到参数估计值,第一个M是通过指数函数和负对数函数的凸性来构造一个黑塞矩阵为对角矩阵的替代函数;第二个M是对替代函数求最大值.最后通过数值模拟和真实数据研究来说明我们所提出方法的可行性.

倾向指数第二讲倾向指数常用研究方法

倾向指数（编者注：国内有学者译为倾向评分）方法最主要作用是通过均衡暴露组和对照组间的协变量分布来控制组间偏倚。通过倾向指数调整，倾向指数相同或相近的两个研究对象，虽然可能拥有不同的特征变量，但进入倾向指数模型调整的多个特征变量之间总体上是均衡的。