公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

R环境下MICE填补方法在多变量缺失数据中的应用被引量：2: 2011年; 目的简要介绍R 环境下MICE填补方法（Multivariate imputation by chained equations）的填补估算应用并评价其填补效果.方法以实际数据阐述填补估算流程,比较MICE与常见的缺失数据处理方法（删除法、均（众）数法、回归法）填补估算效果的差异.结果当数据缺失率为10%时,MICE与常见的缺失数据处理方法估算结果无明显差异,各填补方法的3种变量的回归系数估计的相对误差在10%左右.随着缺失率的增加（20%,40%）,各方法回归系数估计的相对误差都增加,但MICE 3种变量的回归系数的相对误差稳定在10%～20%左右,MICE表现优于其他方法而且结果稳定,回归法次之,删除法和均（众）数法较差.当缺失率达50%时,3种类型的变量估算的误差已经较大,所有方法填补估算效果欠佳.结论 MICE较其他多重填补软件操作简便,与常见的缺失数据处理方法相比,可充分地利用缺失记录的信息,能较准确地反应调查的真实情况,值得在实际工作中推广应用.; 李伟栋王羿升张晋昕李济宾黄波; 关键词：MICE 缺失数据

两个独立样本均数比较时各自样本含量的最佳搭配被引量：2: 2012年; 目的结合实例，介绍两个独立样本均数比较时在不同限制条件下最优样本含量计算公式的推导与应用。方法根据研究中纳入样本的难易程度与经费限制，分3种情况讨论，阐明各种条件下的最优样本含量估算公式的推导与应用。结果①在总样本含量N一定时n1=n2=1/2 N使假设检验功效最大；②在总经费C一定时，n1=C/c1＋√c1c2,n2=C/c2＋√c1c2使假设检验功效最大；③在检验功效1-β与第一组样本含量n1一定时，n2=（z1-α/2＋z1-β）2σ2n1/n1δ2-（z1-α/2-z1-β）2σ2 使总样本含量N最小。结论按照各个条件下的公式计算，可以获得该条件限制下的最优样本含量估计。; 黄波张晋昕

logistic回归中连续型自变量离散化为二分类变量时适宜分界点的确定被引量：12: 2015年; 目的提出logistic回归中连续型自变量离散化为二分类变量时的双界点OR值最大化分类法(简称双界点OR值最大法),通过模拟研究评价该法与其他离散化方法的模型拟合效果,并用实例数据进行验证。方法应用R软件中的"Smei Par"包对连续型自变量与logitπ间是否呈单调变化性进行判定;对不满足单调变化关系的自变量,采用连续型变量法(或称原始取值法)、中位数法、单界点P值最小法、双界点OR值最大法对原始数据进行处理后,分别拟合logistic回归模型;从拟合优度、变异的解释程度方面评价模型拟合效果。结果模拟数据和实例数据分析结果均可见,双界点OR值最大法相对于单界点P值最小法能够更合理地反映影响因素和结局的关联,并且与连续型变量法和中位数分类法相比其模型拟合优度、变异的解释程度效果更好。结论在拟合logistic回归模型时,若连续型自变量与logitπ之间呈非单调变化关系时,建议使用双界点OR值最大法对数据进行离散化。; 何贤英赵志温兴煊公为洁黄波张晋昕; 关键词：LOGISTIC回归模型 OR值

Logistic回归中连续型自变量离散化为分类变量时适宜分界点的确定: 背景与目的:logistic回归模型适用于分类的反应变量与多个影响因素之间关系的研究,在医学研究中有着相当广泛的应用.logistic回归模型对自变量类型一般不做限定,但要求连续型自变量与logitπ之间应符合线性关系....; 何贤英赵志温兴煊公为洁黄波张晋昕

三水平线性回归模型软件实现及实例应用: 2014年; 目的：通过对具有层次结构的实例数据进行分析，给出重复测量和非重复测量数据三水平线性回归模型在 SPSS 和 SAS 中的实现方法。方法以持续近距离工作对幼年恒河猴眼球发育影响研究的实验数据为例，阐述三水平线性回归模型的应用条件及软件实现方法。结果如果三水平零模型中水平2和水平3的随机项方差有统计学意义，则说明有必要采用三水平线性回归分析方法。结论基于专业知识判断资料是否有层次结构并结合高水平随机项方差的假设检验，判断是否有必要考虑高水平随机效应。 SPSS MIXED 模块可实现三水平线性回归模型，相对容易操作；SAS中可以用 PROC MIXED 实现，需注意正确指定高水平单位。 SPSS 和 SAS 软件计算结果相同，但是对统计量的自由度调整方法略有差异。; 温兴煊蓝卫忠黄波张晋昕; 关键词：SAS SPSS 混合效应模型

全选清除导出

共1页<1>

黄波