五種定性資料統(tǒng)計(jì)分析方法比較研究.pdf

1、CMH檢驗(yàn)、meta分析、logistic回歸模型、對數(shù)線性模型、加權(quán)卡方檢驗(yàn)是分析定性資料的常用方法。很多情況下,它們可以分析同一類型的定性資料。有學(xué)者在處理多中心臨床試驗(yàn)的資料時(shí),發(fā)現(xiàn)用CMH檢驗(yàn)分析中心效應(yīng),與meta分析的結(jié)果不一致;在某疾病的危險(xiǎn)因素分析中,對數(shù)線性模型與logistic回歸分析的結(jié)果有差別。
　　如何合理選擇統(tǒng)計(jì)分析方法,哪種方法分析的結(jié)果更加可靠,國內(nèi)外已經(jīng)有學(xué)者做了一些比較研究工作,如對CMH檢驗(yàn)和

2、logistic回歸處理結(jié)果變量是多值有序變量和多值名義變量三維列聯(lián)表資料的檢驗(yàn)效能比較研究,CMH檢驗(yàn)和meta分析處理多中心臨床試驗(yàn)q×2×2三維列聯(lián)表資料異質(zhì)性檢驗(yàn)的檢驗(yàn)效能比較研究,研究內(nèi)容還不夠全面,評價(jià)指標(biāo)過于單一。
　　鑒于此,本課題采用MonteCarlo模擬對CMH檢驗(yàn)、meta分析、logistic回歸模型、對數(shù)線性模型和加權(quán)卡方檢驗(yàn)處理四類高維列聯(lián)表資料進(jìn)行比較研究,評價(jià)指標(biāo)包括犯I類錯(cuò)誤的概率、檢驗(yàn)效能、參

3、數(shù)估計(jì)值和均方誤差。從而幫助人們合理選擇統(tǒng)計(jì)分析方法,得到更加可靠的結(jié)論。由于本課題只研究上述提及的5種處理定性資料統(tǒng)計(jì)分析方法的比較問題,雖然在某些場合下還可以運(yùn)用其他統(tǒng)計(jì)分析方法,本課題不作全面論述。
　　本課題的研究內(nèi)容和結(jié)論如下:
　?、疟容^CMH檢驗(yàn)、logistic回歸模型、對數(shù)線性模型和加權(quán)卡方檢驗(yàn)處理一般的q×2×2列聯(lián)表資料犯I類錯(cuò)誤的概率、檢驗(yàn)效能、參數(shù)估計(jì)值及均方誤差。
　　上述四種統(tǒng)計(jì)分析方法犯

4、I類錯(cuò)誤的概率近乎相同。當(dāng)不存在空單元時(shí),四種統(tǒng)計(jì)分析方法檢驗(yàn)效能相同;logistic回歸模型、對數(shù)線性模型和加權(quán)卡方檢驗(yàn)受空單元的影響,檢驗(yàn)效能下降。當(dāng)四種方法檢驗(yàn)效能都為1時(shí),logistic回歸模型參數(shù)估計(jì)值最高,均方誤差最大,對數(shù)線性模型次之;當(dāng)總體參數(shù)值較小時(shí),CMH檢驗(yàn)logit法參數(shù)估計(jì)值最接近總體參數(shù)值,均方誤差最小;當(dāng)總體參數(shù)較大時(shí),加權(quán)2c檢驗(yàn)參數(shù)估計(jì)值最接近總體參數(shù)值,均方誤差最小。當(dāng)模型中包含因素的交互作用時(shí),

5、logistic回歸模型和對數(shù)線性模型對交互項(xiàng)分析的檢驗(yàn)效能相同,參數(shù)估計(jì)值接近。
　?、票容^CMH檢驗(yàn)、logistic回歸模型和對數(shù)線性模型處理試驗(yàn)因素和結(jié)果變量都是無序變量的高維列聯(lián)表資料犯I類錯(cuò)誤的概率、檢驗(yàn)效能、參數(shù)估計(jì)值及均方誤差。
　　上述三種統(tǒng)計(jì)分析方法犯I類錯(cuò)誤的概率近乎相同。當(dāng)不存在空單元時(shí),三種統(tǒng)計(jì)分析方法檢驗(yàn)效能相同;logistic回歸模型和對數(shù)線性模型受空單元的影響,檢驗(yàn)效能下降。CMH檢驗(yàn)無法估

6、計(jì)模型的參數(shù),當(dāng)logistic回歸模型和對數(shù)線性模型檢驗(yàn)效能都為1時(shí),logistic回歸模型對組間效應(yīng)估計(jì)值偏高,對數(shù)線性模型對組間效應(yīng)估計(jì)值更接近總體參數(shù)值。當(dāng)存在因素間的交互效應(yīng)時(shí),logistic回歸模型對交互效應(yīng)的估計(jì)值更接近總體參數(shù)值。
　?、潜容^CMH檢驗(yàn)和logistic回歸模型處理結(jié)果變量為多值有序變量的高維列聯(lián)表資料犯I類錯(cuò)誤的概率和檢驗(yàn)效能。
　　CMH檢驗(yàn)犯I類錯(cuò)誤的概率和檢驗(yàn)效能都大于logist

7、ic回歸模型,原因在于用logistic回歸模型處理結(jié)果變量為多值有序變量的高維列聯(lián)表資料時(shí),需要對資料是否滿足平行線條件進(jìn)行假設(shè)檢驗(yàn),若滿足平行線條件,方可進(jìn)行l(wèi)ogistic回歸分析。當(dāng)不考慮平行線假設(shè)的檢驗(yàn)結(jié)果時(shí),二者檢驗(yàn)效能相同。
　?、缺容^CMH檢驗(yàn)和meta分析處理多中心臨床試驗(yàn)q×2×2列聯(lián)表資料犯I類錯(cuò)誤的概率、檢驗(yàn)效能和參數(shù)估計(jì)值及均方誤差,并比較Breslow-Day檢驗(yàn)和Q檢驗(yàn)進(jìn)行異質(zhì)性檢驗(yàn)犯I類錯(cuò)誤的概率和

8、檢驗(yàn)效能,以及I2統(tǒng)計(jì)量正確判斷異質(zhì)性的比例,簡稱正確率。
　　異質(zhì)性檢驗(yàn)的比較結(jié)果顯示,Breslow-Day檢驗(yàn)犯I類錯(cuò)誤的概率和檢驗(yàn)效能高于Q檢驗(yàn)。當(dāng)中心數(shù)較小,檢驗(yàn)水準(zhǔn)a=0.05時(shí),I2統(tǒng)計(jì)量判斷異質(zhì)性的正確率高于Breslow-Day檢驗(yàn)和Q檢驗(yàn)的檢驗(yàn)效能,隨著中心數(shù)的增大,I2統(tǒng)計(jì)量判斷異質(zhì)性的正確率低于二者的檢驗(yàn)效能。
　　對試驗(yàn)效應(yīng)分析的比較結(jié)果顯示,當(dāng)總體為固定效應(yīng)模型時(shí),CMH檢驗(yàn)犯I類錯(cuò)誤的概率高于m

9、eta分析,檢驗(yàn)效能低于meta分析,原因在于CMH檢驗(yàn)中Breslow-Day檢驗(yàn)異質(zhì)性檢驗(yàn)犯I類錯(cuò)誤的概率較高。當(dāng)Breslow-Day檢驗(yàn)和Q檢驗(yàn)異質(zhì)性檢驗(yàn)都是陰性時(shí),CMH檢驗(yàn)和meta分析對試驗(yàn)效應(yīng)分析的檢驗(yàn)效能相同。而當(dāng)總體為隨機(jī)效應(yīng)模型時(shí),CMH檢驗(yàn)的結(jié)果不可靠,因此未對二者進(jìn)行比較研究。
　　當(dāng)總體OR值較小時(shí),CMH檢驗(yàn)的logit法、MH法和meta分析三種方法的參數(shù)估計(jì)值接近總體參數(shù)值,均方誤差都很小;隨著總

10、體參數(shù)值的增大,CMH檢驗(yàn)的MH法參數(shù)估計(jì)值仍然與總體參數(shù)值接近,而CMH檢驗(yàn)的logit法和Meta分析的參數(shù)估計(jì)值小于總體參數(shù)值,均方誤差較大。
　　通過以上的比較研究,研究者在處理定性資料時(shí)應(yīng)根據(jù)研究目的和資料的特點(diǎn)選擇合理的統(tǒng)計(jì)分析方法,可從以下幾個(gè)方面考慮。
　　⑴正確判斷資料的類型。研究者需觀察資料中涉及到的變量及其性質(zhì)。
　?、婆宄?shù)據(jù)的來源。若是多中心臨床試驗(yàn)得到的資料,則應(yīng)采用CMH檢驗(yàn)或meta分

11、析。
　?、怯^察單元格中的頻數(shù)。當(dāng)高維列聯(lián)表中存在空單元時(shí),將所有格子的頻數(shù)都增加0.5,再進(jìn)行統(tǒng)計(jì)分析。
　?、扰宸治瞿康?根據(jù)分析目的選擇操作比較簡單的一種統(tǒng)計(jì)分析方法。若只進(jìn)行假設(shè)檢驗(yàn),CMH檢驗(yàn)不失為一種有效而簡便的統(tǒng)計(jì)分析方法,其檢驗(yàn)效能不亞于其他方法;對于多中心臨床試驗(yàn)q×2×2列聯(lián)表資料,由于Breslow-Day檢驗(yàn)分析異質(zhì)性犯I類錯(cuò)誤的概率和檢驗(yàn)效能都高于Q檢驗(yàn),因此需將CMH檢驗(yàn)和meta分析結(jié)合起來共

12、同分析。若還需要進(jìn)行參數(shù)估計(jì),則要根據(jù)資料類型和以上的比較結(jié)果選擇統(tǒng)計(jì)分析方法。對于一般的q×2×2列聯(lián)表資料,當(dāng)只估計(jì)一個(gè)因素的效應(yīng)時(shí),可選擇CMH檢驗(yàn)的logit法;對于試驗(yàn)因素和結(jié)果變量都是無序變量的高維列聯(lián)表資料,與logistic回歸模型相比,對數(shù)線性模型雖然能更好地估計(jì)試驗(yàn)效應(yīng),但其結(jié)果難以理解,因此,如果資料中有明確的原因變量和結(jié)果變量,仍然選擇logistic回歸模型;對于多中心臨床試驗(yàn)q×2×2列聯(lián)表資料,僅當(dāng)異質(zhì)性檢