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。

分类重复测量数据的非线性混合效应模型

[目的]探讨分类重复测量数据的非线性混合效应模型及SAS8.0软件NLMIXED过程实现。[方法]直接拟合分类反应变量的非线性概率模型,结合重复测量资料的特点,采用附加高斯积分来获得最大似然的参数估计。[结果]非线性混合效应模型能很好地拟合分类反应变量的重复测量资料,它允许固定效应和随机效应进入模型的非线性部分,可方便地分析随机缺失等非均衡数据。[结论]分类反应变量重复测量资料的非线性混合效应模型分析结果合理、容易解释,为分类重复测量资料提供一种新的分析思路。

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.

混合效应线性模型与单因素方差分析在重复测量数据中的应用比较

目的:通过混合效应线性模型与单因素方差分析在重复测量资料中的应用比较,旨在说明两方法在处理重复测量资料时的应用特点。方法:用混合效应线性模型和单因素方差分析处理重复测量资料并比较。结果:混合效应线性模型和单因素方差分析都是处理重复测量资料的重要统计方法,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,后者可对重复测量资料的固定效应做出统计推断。结论:混合效应线性模型是处理重复测量资料的有力方法,它对资料的协方差结构要求宽松,且结论可靠;单因素方差分析对资料的协方差结构有严格的限定。

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。

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.

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。

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。

重复测量资料非线性混合效应模型应用与实现

目的探讨重复测量资料非线性分析技术、SAS软件NLMIXED过程及在群体药动学的应用。方法结合重复测量数据特点,采用最大似然原理进行参数估计,建立非线性混合效应参数模型。结果该模型不仅考虑了个体内和个体间变异,而且也考虑了参数间的非线性,允许固定效应和随机效应进入模型的非线性部分;可方便地分析随机缺失等非均衡数据;有助于引入其他解释变量时最佳模型的选择,更客观地解释其对代谢过程的影响。结论当重复测量资料不满足线性条件时,使用非线性混合效应模型能更客观地反映原数据特征,挖掘资料蕴藏的信息,弥补线性理论分析非线性重复测量资料之不足。

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。

多反应变量重复测量的混合效应模型及其应用

本文给出了多反应变量重复测量的协方差矩阵结构，探讨了用迭代广义最小二乘法来求解其带协变量和不带协变量的混合效应模型中固定效应和随机效应系数，并对１９９１年四川省高血压调查资料进行实例分析，得到其结论符合实际情况．

有序多分类重复测量资料的广义线性混合效应模型分析

目的 探讨广义线性混合效应模型在有序多分类重复测量资料分析中的应用及SAS9.1的GLIMMIX和NLMIXED过程实现.方法 为了评价某新药治疗糖尿病神经病变的临床疗效,采用以安慰剂为对照的随机双盲临床试验.在各个随访时间记录各受试者的神经病变主觉症状总分,并根据减分率评定疗效.建立广义线性混合效应模型,并分别用线性化法和数值法积分近似法进行参数估计,利用SAS中的GLIMMIX和NLMIXED过程得以实现.结果 2种参数估计方法 结果 很接近.疗效的组间差别有统计学意义（P〈0.000 1）,试验组疗效优于安慰剂组;各个疗程间的疗效差别有统计学意义（P〈0.000 1）,且疗程越大疗效越好; 治疗前神经病变主觉症状总分对疗效有影响（P=0.061 3,接近显著性水平）,其值越高,越容易治愈,提示病情严重的患者相比病情轻微的患者治愈效果更好.另外用数值法积分近似法还给出了随机截距和随机斜率的统计显著性检验.结论 采用广义线性混合效应模型对有序多分类重复测量临床资料进行统计分析,可以更客观的进行药物疗效评价.

偏正态数据下半参数混合效应模型的贝叶斯估计

针对纵向数据服从非正态分布情况下混合效应模型的估计问题,提出偏正态分布半参数混合效应模型的贝叶斯估计方法;假定个体测量误差服从偏正态分布,纵向指标与时间的关系采用B样条方法建模,在共轭先验下考虑该模型的贝叶斯分析,基于MH算法与Gibbs抽样的混合算法获取未知参数、随机效应和非参数函数的贝叶斯估计;数值模拟中,数据非正态分布条件下将偏正态方法得到的估计与传统半参数混合效应模型估计方法进行对比,发现偏正态半参数混合效应模型在有限样本情况下表现更好,说明偏正态半参数混合效应模型与传统模型相比,可以更好地拟合偏态数据,获得更加精准的参数估计;最后将该方法应用于ADNI数据中,研究了神经评分与基线临床指标间的关系,得出了合理的结论,证明了方法的合理性。

重复测量诊断试验的ROC曲线广义线性混合效应模型

目的针对重复测量诊断数据,为同时考虑协变量对诊断试验准确性评价的影响,度量重复测量数据间的相关性,本文探索新的ROC曲线的建模方法。方法通过广义线性混合效应模型对ROC曲线进行模拟,并采用贝叶斯参数估计方法,利用Win BUGS软件予以实现,进而计算不同协变量取值下的ROC曲线下面积(AUC)以对诊断试验结果进行评价。结果实例数据分析结果表明,基于广义线性混合效应模型的ROC曲线建模方法可以有效地刻画重复测量诊断试验数据,给出更有解释意义的回归参数,提供临床分析的参考依据。结论基于广义线性混合效应的ROC曲线模型在解决重复测量诊断试验的准确度评价问题起着至关重要的作用。

家禽试验中重复测量数据的常用分析方法

在家禽试验中经常会需要对试验动物进行连续性观察而获得重复测量数据。对这类数据资料如果采用常规方差分析或者对重复测量数据的各时间点分别分析,其结果可能因为来自相同个体的多次观察数据间存在相关而加大误差,或无法充分反应数据连续观测的特性。针对动物试验中重复测量数据的统计方法,文章分析了重复测量数据的重复测量方差分析(RM-ANOVA)、多变量方差分析(MANOVA)法以及混合线性模型拟合法的适用条件,结合案例详述了如何选择合适的方法在R语言中实现对这类数据的分析,为家禽科学及相关专业涉及重复测量数据的统计分析提供参考。

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。

基于纵向数据线性混合效应模型的老年人抑郁影响因素研究

目的应用线性混合效应(linear mixed effect,LME)模型对老年抑郁量表得分情况进行拟合分析,探讨老年人抑郁情况及其影响因素。方法数据来源于美国国家阿尔茨海默合作中心(National Alzheimer’s Coordinating Center,NACC),采用简版老年人抑郁量表对老年人抑郁情绪进行调查,从2011年进行首次调查的1 345人中筛选出连续随访4年共计230人;根据赤池信息准则(Akaike information criterion,AIC)、贝叶斯信息准则(Bayesian information criterions,BIC)值最小化原则,选择合适的方差-协方差结构(UN)对该数据进行拟合和模型参数估计,利用SAS软件中的MIXED模块对该纵向数据进行建模与分析。结果 LME模型结果显示,受教育年限越长(β=-0. 103,P=0. 016),简版老年抑郁量表(Geriatric Depression Scale,GDS)得分越低;离婚的老年人相比于在婚状态的老年人GDS得分高(β=0. 742,P=0. 025),独居的老年人比在婚状态的GDS得分高(β=1. 495,P=0. 024);复杂活动需要帮助的老年人相比于完全能自理的老年人GDS得分更高(β=0. 420,P=0. 036);近2年经常感到沮丧的老年人GDS得分更高(β=1. 176,P <0. 0001);痴呆状态的老年人比正常认知老年人GDS得分高(β=1. 068,P=0. 003),MCI状态的老年人也比正常状态的老年人GDS得分高(β=1. 020,P=0. 001)。结论线性混合效应模型能有效地处理纵向数据;低文化水平、低自理能力、低认知状态、离婚是造成老年抑郁的重要因素。