期刊文献+
共找到11篇文章
< 1 >
每页显示 20 50 100
SAS宏程序%HPGLIMMIX在大样本数据广义线性混合模型参数估计中的应用 被引量:1
1
作者 吴晨璐 米白冰 +4 位作者 陈方尧 裴磊磊 史青云 赵亚玲 颜虹 《中国卫生统计》 CSCD 北大核心 2021年第1期137-140,共4页
目的 SAS软件中目前实现广义线性混合模型的过程步主要包括PROC GLIMMIX和PROC NLMIXED,两种方法在实际应用中各有侧重。本文介绍一个可以提高广义线性混合模型运行效率的SAS宏程序%HPGLIMMIX的使用方法及其结果解读。方法通过实例数据... 目的 SAS软件中目前实现广义线性混合模型的过程步主要包括PROC GLIMMIX和PROC NLMIXED,两种方法在实际应用中各有侧重。本文介绍一个可以提高广义线性混合模型运行效率的SAS宏程序%HPGLIMMIX的使用方法及其结果解读。方法通过实例数据,介绍%HPGLIMMIX分析正态分布和二项分布数据的过程,并展示采用%HPGLIMMIX分析大样本数据的性能优势。结果对于小样本正态分布和二项分布数据,采用%HPGLIMMIX和GLIMMIX、NLMIXED分析的用法基本一致。对于大样本数据,%HPGLIMMIX可进行模型拟合并可有效节省时间及计算资源。结论 %HPGLIMMIX可有效提升大样本数据的广义线性混合模型拟合的效率。NLMIXED过程可以快速准确地进行参数估计。 展开更多
关键词 广义线性混合模型 %HPglimmix glimmix NLMIXED SAS宏
下载PDF
两部模型的基本原理与SAS GLIMMIX过程的配合 被引量:3
2
作者 周虹 余松林 向蕙云 《中国卫生经济》 2008年第10期19-22,共4页
在卫生经济研究中,可将人群的医疗费用开支分为两个过程。其一,确定是否就医。无就医者无医疗费用,有就医者才有医疗费用,这是一个二分类事件。其二,有就医者的医疗费用开支差别很大,属连续性非正态分布变量,可用两部模型分析这类资料... 在卫生经济研究中,可将人群的医疗费用开支分为两个过程。其一,确定是否就医。无就医者无医疗费用,有就医者才有医疗费用,这是一个二分类事件。其二,有就医者的医疗费用开支差别很大,属连续性非正态分布变量,可用两部模型分析这类资料。文章介绍了两部模型的基本原理,用SAS软件中的GLIMMIX过程计算模型的参数估计值,并用实例作了应用说明。 展开更多
关键词 卫生经济 两部模型 广义线形混合模型 glimmix过程
原文传递
纵向Rasch模型在大学新生适应性追踪研究中的应用 被引量:28
3
作者 曹亦薇 毛成美 《心理学报》 CSSCI CSCD 北大核心 2008年第4期427-436,共10页
对1952名大学新生进行适应性调查,其中285人接受了2次以上的追踪调查,所得的多级评分重复测量数据采用纵向Rasch模型进行统计分析。研究应用SAS的GLIMMIX过程对多层Rasch模型参数估计作了新的尝试。结果表明:(1)新生在第一学年内,学习... 对1952名大学新生进行适应性调查,其中285人接受了2次以上的追踪调查,所得的多级评分重复测量数据采用纵向Rasch模型进行统计分析。研究应用SAS的GLIMMIX过程对多层Rasch模型参数估计作了新的尝试。结果表明:(1)新生在第一学年内,学习和情绪适应总体呈上升趋势,人际适应呈下降趋势;(2)不同个体入学时的适应状况差异显著,但是随时间变化的趋势、快慢相同;(3)学习适应分量表的项目稳定性较好,而人际、情绪适应的部分项目难度存在时间效应。研究结果对新生辅导具有启示意义。 展开更多
关键词 新生适应 项目反应理论 多层模型 纵向Rasch模型 SAS glimmix
下载PDF
二分类反应变量多水平模型及其软件实现 被引量:4
4
作者 倪延延 卢锦荣 张晋昕 《中国卫生信息管理杂志》 2013年第1期75-80,共6页
目的本文针对反应变量是二分类、且存在层次结构的数据,给出多水平模型的建模步骤及在软件SPSS、SAS中的实现方法指引,为医学研究者处理这类数据提供参考。方法以卫生服务调查数据为例说明二分类反应变量两水平logistic回归模型的拟合... 目的本文针对反应变量是二分类、且存在层次结构的数据,给出多水平模型的建模步骤及在软件SPSS、SAS中的实现方法指引,为医学研究者处理这类数据提供参考。方法以卫生服务调查数据为例说明二分类反应变量两水平logistic回归模型的拟合步骤及软件实现。结果如果两水平零模型的随机系数σ检验具有统计学意义,则有必要拟合多水平模型。结论结合专业知识或对σ进行检验判断有无必要考虑高水平效应。SPSS中实现要求19.0及以上版本,操作相对简单,适合初步使用者;SAS中实现建议使用Nlmixed过程语句,利用Glimmix过程语句拟合模型的参数估计结果,为其设定相应参数初始值提供依据。 展开更多
关键词 多水平Logistic回归模型 SPSS glimmix Nlmixed
下载PDF
运用SAS广义线性混合模型分析裂区试验数据 被引量:1
5
作者 张久权 李彩斌 +1 位作者 凌爱芬 董建新 《中国农业科技导报》 CAS CSCD 北大核心 2021年第2期89-95,共7页
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... 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。 展开更多
关键词 裂区设计 统计分析 广义线性混合模型(glimmix) SAS 方差分析 多重比较
下载PDF
广义线性混合模型及其SAS实现 被引量:14
6
作者 康萌萌 《统计教育》 2009年第10期50-54,共5页
本文探讨了重复测量资料广义线性混合模型(GLMMs)建模及SAS9.1的PROC GLIMMIX程序实现。利用PROC GLIMMIX程序中Model语句选项和Link语句来指定因变量的分布及连接函数,通过Random语句来指定随机效应,采用线性限制性/残差虚拟似然法进... 本文探讨了重复测量资料广义线性混合模型(GLMMs)建模及SAS9.1的PROC GLIMMIX程序实现。利用PROC GLIMMIX程序中Model语句选项和Link语句来指定因变量的分布及连接函数,通过Random语句来指定随机效应,采用线性限制性/残差虚拟似然法进行参数估计。GLMMs是在广义线性模型的基础上引入随机效应,因变量可以是指数家族中任意分布,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。GLMMs应用范围广,建模灵活,可以为相关或非常数方差数据建模,能提供客观正确的统计结论。 展开更多
关键词 广义线性模型 广义线性混合模型 SAS PROC glimmix
下载PDF
广义线性混合效应模型在临床疗效评价中的应用 被引量:3
7
作者 罗天娥 刘桂芬 孟海英 《数理医药学杂志》 2007年第5期589-591,共3页
目的:探讨临床疗效评价中分类重复测量资料的广义线性混合效应模型(GLMMs)及SAS8.0的GLIMMIX宏实现。方法:利用GLIMMIX宏ERROR和LINK语句来指示疗效指标的分布及连接函数,通过REPEATED和RANDOM语句的TYPE选项选择合适方差-协方差结构矩... 目的:探讨临床疗效评价中分类重复测量资料的广义线性混合效应模型(GLMMs)及SAS8.0的GLIMMIX宏实现。方法:利用GLIMMIX宏ERROR和LINK语句来指示疗效指标的分布及连接函数,通过REPEATED和RANDOM语句的TYPE选项选择合适方差-协方差结构矩阵来模拟不同时间疗效指标的相关性,采用基于线性的伪似然函数进行模型参数估计。结果:广义线性混合效应模型允许临床疗效评价指标是指数家族中任意分布(如: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疗效指标的均数向量与模型参数建立线性关系,简化运算过程。结论:广义线性混合效应模型建模灵活,可为临床疗效评价提供更丰富的信息。 展开更多
关键词 广义线性混合效应模型 临床疗效评价1分类重复测量资料 glimmix
下载PDF
有序多分类重复测量资料的广义线性混合效应模型分析 被引量:1
8
作者 张莉娜 《中国医院统计》 2012年第1期14-17,共4页
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... 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. 展开更多
关键词 广义线性混合效应模型 重复测量 有序多分类 glimmix NLMIXED
下载PDF
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 被引量:5
9
作者 张久权 闫慧峰 +1 位作者 褚继登 李彩斌 《作物学报》 CAS CSCD 北大核心 2021年第2期294-304,共11页
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... 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。 展开更多
关键词 重复测量 随机区组 广义线性混合模型 方差分析 均值比较 SAS
下载PDF
广义线性混合效应模型在分类重复测量资料中的应用 被引量:7
10
作者 罗天娥 刘桂芬 《中国卫生统计》 CSCD 北大核心 2007年第5期486-487,492,共3页
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... 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。 展开更多
关键词 广义线性混合效应模型 分类重复测量资料 GLI MMIX宏
下载PDF
Analysis of Hospital Mortality Data: The Role of DRG’s
11
作者 Mohamed M. Shoukri Sara N. Algahtani +2 位作者 Abdelmoneim M. Eldali Manal R. AlMarzouqi Saleh M. Al-Ageel 《Open Journal of Statistics》 2019年第1期62-73,共12页
Background: Factors associated with hospital mortality are usually identified and their effects are quantified through statistical modeling. To guide the choice of the best statistical model, we first quantify the pre... Background: Factors associated with hospital mortality are usually identified and their effects are quantified through statistical modeling. To guide the choice of the best statistical model, we first quantify the predictive ability of each model and then use the CIHI index to see if the hospital policy needs any change. Objectives: The main purpose of this study compared three statistical models in the evaluation of the association between hospital mortality and two risk factors, namely subject’s age at admission and the length of stay, adjusting for the effect of Diagnostic Related Groups (DRG). Methods: We use several SAS procedures to quantify the effect of DRG on the variability in hospital mortality. These procedures are the Logistic Regression model (ignoring the DRG effect), the Generalized Estimating Equation (GEE) that takes into account the within DRG clustering effect (but the within cluster correlation is treated as nuisance parameter), and the Generalized Linear Mixed Model (GLIMMIX). We showed that the GLIMMIX is superior to other models as it properly accounts for the clustering effect of “Diagnostic Related Groups” denoted by DRG. Results: The GLM procedure showed that the proportional contribution of DRG is 16%. All three models showed significant and increasing trend in mortality (P < 0.0001) with respect to the two risk factors (age at admission, and hospital length of stay). It was also clear that the CIHI index was not different under the three models. We re-estimated the models parameters after dichotomizing the risk factors at the optimal cut-off points, using the ROC curve. The parameters estimates and their significance did not change. 展开更多
关键词 Diagnostic Related Groups Intra-Cluster Correlation GEE MODELS glimmix MODELS Odds Ratios ROC CURVES
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部