基于DP算法的Poisson回归模型的变量选择

利用已有的DP算法,对Poisson回归模型的似然函数进行优化估计出模型的参数,分别写出Lasso、Adaptive Lasso、SCAD、MCP 4种惩罚似然函数,用DP算法进行求解,实现变量选择.为了实现算法的自动变量选择,在对惩罚参数的选择上,使用了AIC、BIC信息准则.为了验证DP算法的可行性,通过随机模拟的方式生成数据进行求解.在各项指标下,将DP算法与已有的相关算法进行对比.

带有测量误差Poisson回归模型的变量选择

Poisson回归模型是一种特殊的广义线性模型,被广泛用于计数数据的建模.然而在很多应用中,模型中的协变量很难被精确测量,在进行变量选择和参数估计时,这些测量误差通常难以处理,特别是当维数较高时.针对这一问题,本文提出了一种惩罚的偏差校正方法以确定带有测量误差的Poisson回归模型(MPR)的真实结构.该方法惩罚了专门设计用于处理测量误差的目标函数,并在一个有界的区域内利用复合梯度下降算法给出回归参数的估计.通过随机模拟验证了本文所提出方法的有限样本性质.

Poisson回归模型和负二项回归模型在林火预测领域的应用

应用Poisson回收模型和负二项回归模型进行林火预测预报,研究模型的使用条件和检验方法,以大兴安岭地区1980—2005年该地区林火发生数据为基础,并运用AIC检验方法对模型的拟合水平进行检验,探讨这2种模型对林火发生的预测能力,为在我国林业领域的应用提供必要的理论依据和数据支持。

尿道下裂与环境污染的关系—Poisson回归模型与GM(1,N)模型结合分析

目的 :分析我国尿道下裂与环境污染的关系。方法 :利用已收集的全国 31个省市 1988～ 1992年和 1996～2 0 0 0年的男性尿道下裂监测资料以及 1987～ 1992年和 1995～ 2 0 0 0年的环境因素监测资料 ,同时采用收集的各省地理面积资料 ,建立多元Poisson回归模型和GM (1,N)模型 ,对 1988～ 2 0 0 0年尿道下裂的发生与 1987～ 2 0 0 0年环境监测数据的相关性进行分析。结果 :与尿道下裂相关的主要环境污染因素为单位面积废水排放量x1(OR =1 35 2 ,P =0 0 0 6 )和单位面积农药使用量x2 (OR =1 378,P =0 0 0 1) ;对尿道下裂发生率建立的GM (1,N)模型为IR (t+1) =(5 82 15 - 0 0 0 0 6 8x1- 0 12 2 6x2 )e-1 460 2t+0 0 0 0 6 8x1+0 12 2 6x2 。结论 :废水排放和农药使用是我国尿道下裂发生的环境危险因素。

广义Poisson回归模型及其应用

目的 探讨广义Poisson回归模型在流行病学队列资料分析中的应用与价值。方法 拟合超额相对危险度模型 ,绝对超额危险度模型 ,非标准模型等分析云锡现场队列研究资料。结果 在云锡肺癌现场 ,每一个观察人年每一工作水平月的氡子体暴露 ,会产生 1 0 9× 10 -5个肺癌超额病例。在总的 336例病例中 ,归因于氡子体暴露的有 12 3例。只有当氡子体累积暴露高于 5 88 37WLM时 ,暴露人群患肺癌危险性才高于基线对照。结论 广义Poisson回归模型的拟合可以得到对于危险因素的更深入描述 ,如计算出每一单位危险因素变化时 ,可得超额相对危险度的变化、以及由危险因素所引起超额病例数、超额绝对危险 (EAR)、归因危险比 (AR)

基于重复测量数据的Poisson回归模型的偏大离差的Score检验

Poisson回归模型广泛应用于分析计数型数据 ,Dean&Lawless(1989)和Dean(1992 )讨论了非重复测量得到的计数型数据的偏大离差存在性的检验问题 .本文分别利用随机系数模型和对数非线性模型讨论了基于重复测量得到的计数型数据的偏大离差的检验问题 ,得到了检验的score统计量 .

带有约束条件的零一膨胀Poisson回归模型

考虑一类带有一般线性约束条件的零一膨胀Poisson回归模型,给出参数估计的EM(expectation maximization)算法,并利用数值模拟和实际数据分析验证了结果的灵活性和可行性.

Poisson回归模型的统计诊断与影响分析

文章研究了Poisson回归模型的统计诊断和影响分析方法,得到了一系列诊断统计量和检验统计量,并应用实际数值例子对诊断方法的有效性进行了验证。

Poisson回归模型的应用

Ｐｏｉｓｓｏｎ回归模型的应用南京医科大学于浩石卫江苏省卫生防疫站戴胜利应用回归分析方法进行变量筛选、预测、模型拟合对模型参数估计是统计的重要手段。在流行病学的随访研究和前瞻研究中，若独立变量，如肿瘤的发病数，放射学、遗传学中的畸变数等，服从泊松分布，...

Poisson回归模型及Lasso变量选择在研究生成绩影响因素分析中的应用

探究学生成绩的主要影响因素是研究学生成绩评价体系中一个重要方向.依据某大学三年研究生入学信息数据,利用方差分析研究其入学成绩的影响因素;利用Poisson回归模型结合Lasso变量选择方法,探究入学专业课成绩、培养类别等对研究生学业课程成绩是否有显著影响,其结果为研究生院的招生工作提供了数据支持,对大学教学方法改进、教学质量提高和新生录取工作具有十分重要的现实指导意义.

Poisson回归模型的SAS GENMOD实现方法

通过实例演示了Poisson回归模型的SAS程序实现方法 ,采用SASGENMOD过程进行Poisson回归分析 ,结果齐全、应用灵活 ,为服从Poisson分布的队列、随访等频数资料提供了有力的分析工具。

零膨胀Poisson回归模型极大似然估计的相合性与渐近正态性

计数数据广泛存在于心理学、遗传学、生物医学和保险等多个研究领域中.拟合计数数据最常用的回归模型是Poisson回归模型.如果计数数据散度偏大,可能是存在零膨胀,还有可能是因为总体来源的“非同质性”以及它们的综合作用等.关于零观测值过多的零膨胀计数数据的模型研究已成为当今国内外的一个热点问题,特别是零膨胀Poisson回归模型在多个领域已经有广泛应用,但是对该模型的大样本性质的研究文献还很少见.讨论了在零膨胀Poisson回归模型参数的极大似然估计基础上,给出了一些正则条件,并在此条件下,证明了模型参数极大似然估计的相合性与渐近正态性.

半相依Poisson回归模型及其在卫生服务需求调查中的应用

半相依回归（seemingly unrelated regression,SUR）也称为似乎不相关回归,它基于多元回归模型,在参数估计过程中考虑了方程间的相关性信息,改进了方程的估计效率。1962年Zellner首次将其运用在线性模型框架中[1],1975年Gallant将半相依线性回归扩展到非线性[2],许多学者的不断深入研究使其在经济、医学、工业和社会科学等多个领域得到广泛运用和发展。

基于零膨胀广义Poisson回归模型的广义估计方程方法及其应用

计数数据分析已在生物和医学研究领域得到发展.特别地,零膨胀计数分布已经被用来建模在试验中经常出现的过多零的观测.分析此类数据最常见的计数分布是泊松分布和负二项分布.然而,泊松分布只能处理等分布数据,负二项分布只能处理过度分散.零膨胀广义Poisson回归模型则可以用来处理0过多或过度分散的计数数据.对于具有这样特征的纵向计数数据采用广义估计方程方法估计模型参数,同时也可以解释来自同一个体观测值之间的相关性.通过引入一个隐变量,将分别构建模型的两组协变量的估计方程连接起来,从而解决了零膨胀部分的参数估计求解问题.并用此方法分析了Iowa氟化物研究中的数据,研究了龋齿的数量影响因素.

Poisson回归模型的局部影响分析

本文讨论了Poisson回归模型的局部影响分析,分别针对方差加权扰动模型、响应变量扰动模型、自变量扰动模型得到了相应的影响矩阵和影响曲率的计算公式,并通过实际例子验证了本文诊断方法的有效性。

高维参数poisson回归模型的估计方法

对高维参数poisson回归模型进行了参数估计,高维参数poisson回归模型用极大似然法直接估计参数向量比较困难。基于逆回归,给出了一种新的估计方法,第一步用分片逆回归方法,计算参数单位向量的估计,将高维参数降维;第二步用极大似然法,估计参数向量的模,最后得到参数的相合估计,并运用该方法进行了实例分析。

二次损失函数下Poisson回归模型中参数的近似Bayes估计

针对Poisson回归模型中当给定参数的先验分布后,其后验分布的具体形式较难得到的问题,利用Γ分布的大样本性质,给出了似然函数的近似形式,并得到近似的后验分布.模拟结果表明,利用这种近似的后验分布进行统计推断,得到的参数Bayes估计具有较好的稳定性及精度.

常见结局事件的前瞻性研究中修正Poisson回归模型的应用

目的介绍应用修正poisson回归模型计算常见结局事件的前瞻性研究中暴露因素的调整相对危险度的精确区间估计值。方法应用稳健误差方差估计法(sandwich variance esti mator)来校正相对危险度(RR)的估计方差,并通过SAS程序中GENMOD过程的REPEATED语句实现修正poisson回归。此外,采用不同的统计方法对5个虚拟的研究数据进行了分析比较。结果以分层的Mantel-Haenszel法为标准参照,修正poisson回归对aRR点和区间估计均较为理想,普通poisson回归的aRR区间估计偏于保守。而logistic回归得到的aOR值明显偏离真实的RR值。结论修正poisson回归模型适合于处理常见结局事件的前瞻性研究资料。

零截尾广义Poisson回归模型及其Score检验(英文)

研究零截尾广义Poisson回归模型,给出了模型的参数估计方法,着重研究检验零截尾Poison回归、零截尾广义Poisson回归以及检验回归系数显著性的score检验统计量,并用一个数值实例来说明方法的有效性.最后通过一个仿真模拟例子来研究score检验统计量的检验功效.

随机效应的Poisson回归模型在临床试验重复测量资料分析中的应用

目的 探讨随机效应的Poisson回归模型在临床试验重复测量的计数资料分析中的应用。方法 比较固定效应和随机效应的Poisson回归模型,并进行实例分析。结果 随机效应的Poisson回归模型,既可充分利用各时间点信息,又考虑了个体内相关性,所得结果较固定效应的Poisson回归模型更可信,即可避免分时间点分析所造成的I类错误,又可避免不考虑内部相关时的全数据分析所造成的II类错误。结论 对临床试验中重复测量的计数资料分析,建议用随机效应的Poisson回归模型,该模型对随机缺失数据的情况也适合。