基于GEE的小样本相关二元集群数据分析

发布时间：2025-05-04 18:37

　　相关二元集群数据在各领域的应用已经越来越广泛,也引起了各界研究学者的高度关注,而对于此类型数据,一般来说,可以应用以下几种统计方法进行估计:全似然方法(FL),惩罚准似然估计(PQL),广义估计方程(GEE)和固定效应逻辑回归(FELR)等。而本文将使用考虑了集群内各观测值之间相关性的广义估计方程(GEE)来进行研究,主要针对小样本的数据进行数值模拟分析,验证小样本数据的拟合效果,找到影响模型拟合效果的因素,最后再用实际数据进行分析。本文主要包含四个部分:第一部分,主要介绍本文的选题背景和意义,以及国内外各研究学者对广义估计方程方面的研究分析;第二部分,首先对Logistic回归和广义线性模型(GLM)的理论知识进行回顾,然后介绍广义估计方程的相关知识以及对广义估计方程估计的偏差修正;第三部分,通过模拟研究讨论样本容量、相关系数大小及错误指定相关结构对模型拟合效果的影响,并观察对回归参数的偏差修正的效率;第四部分,对呼吸系统疾病患者治疗效果的临床研究进行实例分析。

【文章页数】：51 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1绪论
    1.1 选题背景及意义
    1.2 国内外研究现状
2基础理论
    2.1 Logistic回归
    2.2 广义线性模型
    2.3 广义估计方程
        2.3.1 基本理论
        2.3.2 回归参数估计
        2.3.3 相关参数估计
        2.3.4 方差估计
        2.3.5 工作相关结构
        2.3.6 QIC准则
    2.4 广义估计方程的偏差修正
3模拟研究
    3.1 模拟设置
    3.2 模拟结果评价标准
    3.3 模拟结果与分析
        3.3.1 样本容量对各参数估计的影响
        3.3.2 相关系数对回归参数估计的影响
        3.3.3 错误指定工作相关结构对各参数估计的影响
4实例分析
    4.1 资料来源及预处理
    4.2 实例分析结果
结论
参考文献
致谢



本文编号：4042724