一类线性混合效应模型的变量选择方法及其在艾滋病临床数据分析中的应用

发布时间：2020-10-18 01:10

　　 本文针对一组来自美国艾滋病临床试验机构的非平衡纵向数据(AIDS Clinical Trial Group 193A Study)构建线性混合效应模型,以比较该临床试验中不同疗法的治疗效果,在构建混合效应模型的过程中使用了两种变量选择方法,并对这两种变量选择方法做出比较。我们首先讨论了范剑青等2001年提出的关于线性模型、稳健回归模型和广义线性模型的惩罚似然方法在线性混合效应模型构建中的应用。然后我们导出了线性混合效应模型参数的惩罚似然估计方程的迭代公式,讨论了惩罚似然估计的优良性,构建了新的线性混合效应模型。其后,我们研究了陈家鼎于2015年针对线性回归模型提出的一种新的变量选择方法,该方法旨在为大家提供一种简单的变量选择方法。对于这种新方法,我们尝试将其推广到线性混合效应模型中,并与范剑青提出的惩罚似然方法进行了比较。结论如下:从艾滋病临床实践角度,我们认为疗法4的疗效要优于其它疗法。而对于变量选择方法,惩罚似然方法可以同时进行变量选择和参数估计,但是计算过程较复杂,新方法计算过程简单,在所得模型略微复杂的情况下拟合优度也略微优于惩罚似然方法,只是无法同时进行变量选择与参数估计。本文所有计算用R软件完成。
【学位单位】：云南师范大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：R512.91;O212.1
【部分图文】：

数据被认为服从正态分布，所以在具体拟合数据时要先进行正态性检验。如果检验结果显示数据不服从正态分布，则要对数据做变换使其近似服从正态分布。原始的CD4count数据和变换后的 数据的直方图如图2.1和图2.2所示。图2.1 原始CD4数据直方图2.3 数据分析

第 2 章 惩罚似然法在线性混合效应模型中的应用16图2.2 变换后的log(CD4count+1)数据直方图由数据的直方图可以知道变换后的 数据更接近于正态分布，故把 作为响应变量，进一步画出原始CD4count数据和变换后的 数据的正态概率图（QQ图），如图2.3和图2.4所示。

第 2 章 惩罚似然法在线性混合效应模型中的应用17图2.3 原始CD4数据的QQ图图2.4 变换后的 数据QQ图由正态概率图同样可以看出变换后的 数据更接近于正态分布。
【参考文献】

相关期刊论文 前3条

1 陈家鼎;李东风;;多元回归中选择自变量的一种简单方法[J];应用概率统计;2015年01期

2 桂文林;韩兆洲;;基于线性混合模型的艾滋病最佳治疗时机选择[J];数理统计与管理;2010年05期

3 桂文林;韩兆洲;;线性混合模型用于艾滋病疗效预测和疗法选优[J];数理统计与管理;2010年03期

相关硕士学位论文 前1条

1 索文莉;线性混合模型在艾滋病疗效预测中的应用[D];天津工业大学;2008年

本文编号：2845568