版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、Logistic程序適用于因變量為二分類和有序變量的Logistic模型的回歸分析,提供廣泛的模型建立方法和計算各式的診斷統(tǒng)計值。GENMOD程序執(zhí)行廣義線性模型的回歸分析,特別適合響應(yīng)分散結(jié)局變量的分析,執(zhí)行Logistic回歸模型和Poisson回歸模型以及重復(fù)測量數(shù)據(jù)的廣義評估方程的分析。
目的:
本文通過模擬不同患病率的二項分布數(shù)據(jù),采用SAS軟件的Logistic、GENMOD程序進(jìn)行分析,比較Lo
2、gistic、Poisson、Log-binomial回歸在不同率時的擬合效能,并結(jié)合實例驗證。
方法:
本研究根據(jù)反設(shè)事實的實驗方法設(shè)定對照組(非暴露組)發(fā)病率及相對危險度來模擬暴露與非暴露的不同結(jié)局。假設(shè)研究樣本量為200、500、1000,它們進(jìn)入暴露組與非暴露組的概率均為50%。同時模擬一個分層因素,分為S1、S2兩層,暴露組進(jìn)入S1層的概率是60%,那么非暴露組進(jìn)入該層的概率為40%,剩余的個體進(jìn)入
3、S2層。對這個既定的方案采用SAS軟件的Logistic實現(xiàn)Logistic回歸模型,GENMOD過程實現(xiàn)Poisson回歸模型和Log-binomial回歸模型,比較Logistic、Poisson、Log-binomial回歸在不同率時的擬合效能,并比較同一方法在其他條件一定的情況下,樣本量的不同引起的效能改變。
結(jié)果:
1.當(dāng)對照組(非暴露組)發(fā)病率等于5%,樣本量為200時,Logistic回歸分析R
4、R=1時0.1/0.1(S1層暴露/非暴露發(fā)病率,下同)對應(yīng)的OR=1(0.34,2.94),0.2/0.2對應(yīng)的OR=1(0.42,2.41);RR=2時,0.2/0.1對應(yīng)的OR=2.20(0.85,5.70),0.4/0.2對應(yīng)的OR=2.51(1.13,5.57);RR=3時,0.3/0.1對應(yīng)的OR=3.65(1.47,9.06),0.6/0.2對應(yīng)的OR=5.12(2.33,11.23)。Log-binomial模型和Poi
5、sson回歸模型在三種情況下估計值均與設(shè)定值相同,但RR相同時隨率的增高精度增加。
2.當(dāng)對照組(非暴露組)發(fā)病率為0.5%時,Logistic回歸模型在RR=2時0.02/0.01對應(yīng)的OR=2.02,0.04/0.02對應(yīng)的OR=2.04;RR=3時,0.03/0.01對應(yīng)的OR=3.05,0.06/0.02對應(yīng)的OR=3.10,與對照組發(fā)病率等于5%時比較,所得OR值更接近于設(shè)定的RR值。Log-binomial模型
6、和Poisson回歸模型在三種情況下估計值均與設(shè)定值相同。與對照組發(fā)病率等于5%時比較,這三種回歸方法估計RR置信區(qū)間的精度均下降。
3.當(dāng)RR=1時,對照組發(fā)病率極低時,三種模型參數(shù)估計的置信區(qū)間跨度較大,如n=500,0.001/0.001對應(yīng)OR置信區(qū)間(0.00,287.37),Log-binomial模型的RR(0.00,285.74),Poisson模型的RR(0.00,286.55)。隨著對照組發(fā)病率的增高,
7、三種模型的參數(shù)估計的置信區(qū)間跨度逐漸縮小,即精度升高。同時,隨著樣本含量的增大,三種模型在相同發(fā)病率時參數(shù)估計的置信區(qū)間跨度逐漸縮小即精度升高。
結(jié)論:
對照組(非暴露組)發(fā)病率、樣本量、RR值等是影響多因素回歸分析模型結(jié)果的因素。增加樣本量能夠提高回歸模型的參數(shù)估計精度,但對其準(zhǔn)確性沒有影響。RR值越大回歸模型估計的準(zhǔn)確性越差,估計的精度也下降。發(fā)病率的大小不僅影響到Logistic回歸模型估計的準(zhǔn)確性也影
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 外文翻譯----sas統(tǒng)計分析軟件和logistic回歸
- logistic回歸模型
- Logistic回歸模型中模型選擇的漸近概率.pdf
- Logistic回歸和稀有事件logistic回歸模型的模擬研究.pdf
- BP網(wǎng)絡(luò)與Logistic回歸模型在模式分類中的比較研究.pdf
- logistic回歸模型中交互作用的分析及評價
- Logistic回歸在營銷響應(yīng)模型中的實證分析.pdf
- matlab軟件包與logistic回歸
- 軟件成本估算中的穩(wěn)健回歸算法研究與應(yīng)用.pdf
- 基于logistic回歸的違約概率模型的建立及分析.pdf
- 病例對照研究的Stereotype Logistic回歸模型.pdf
- 34545.logistic回歸模型的統(tǒng)計診斷
- logistic 回歸模型支持的 學(xué)分銀行認(rèn)同研究
- logistic回歸在醫(yī)學(xué)中應(yīng)用
- Logistic回歸模型、神經(jīng)網(wǎng)絡(luò)模型和決策樹模型在肺癌術(shù)后心肺并發(fā)癥預(yù)測中的比較.pdf
- 分類變量的logistic回歸模型及其應(yīng)用研究.pdf
- logistic回歸分析
- logistic回歸研
- 胎膜早破多因素logistic回歸分析及預(yù)測模型的建立.pdf
- 基于熵權(quán)法的神經(jīng)網(wǎng)絡(luò)模型與logistic回歸的財務(wù)預(yù)警模型比較與分析.pdf
評論
0/150
提交評論