判别分析驱动的微阵列数据的降维策略

目的探究判别分析驱动的微阵列数据之降维策略。方法3步降维策略。即首先采用"单变量检验FDR控制"结合"相关矩阵差值综合评分法"的预选维;其次采用PCA、PLS等方法作进一步降维;最后用逐步判别的思想筛选。结果以Alon等的结肠癌数据为例展示了该3步降维策略在判别分析过程中的应用,组内回代错误率为9.68%,弃一法交叉验证的错误率为11.29%。结论本文提出的"初步选维→进一步降维→逐步判别筛选"的3步降维策略对于后续的微阵列数据判别分析是实用、可行的。

基于广义估计方程的多重应答资料统计分析方法

目的 目前对于多重应答的统计推断尚无较好的方法 ,本文尝试对其进行分析时可用的模型结构作一探索。方法 在选项可互换时 ,考虑使用选择总数进行分析 ;在选项不可互换时 ,将其视为多元logistic回归问题 ,采用广义估计方程加以分析 ,随后利用实例对上述思路作了进一步阐述。结果 广义估计方程可以很好地分析自变量对于多重应答各项的影响 ,并能进一步对各选项间的相关和具体差异进行分析。结论 广义估计方程可以作为多重应答统计分析问题的标准模型加以推广。

多水平Poisson回归模型在交叉设计临床试验中的应用

目的:探讨交叉设计多中心临床试验中事件数资料的分析。方法:采用多水平Poisson回归模型,以重复测量作为第一水平,试验阶段作为第二水平,受试者作为第三水平,建立多水平Poisson回归模型。结果:多水平Poisson模型分析交叉设计数据,不但可以解决层次结构的问题,使用也较重复测量资料的方差分析更为灵活。结论:在交叉设计临床试验中,对于事件数资料,可以采用多水平Poisson回归模型。