收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

纵向研究缺失数据多重填补及混合效应模型分析

申宁宁  
【摘要】:目的:全国社区高血压规范化管理项目中,根据社区高血压三级管理要求,对实施一级和二级管理的高血压患者在实施社区规范管理后,每隔三个月随访记录患者相关信息,管理监测一年内随访四次,从而获得高血压规范化管理纵向研究资料。由于获取该资料所需时间较长且影响因素复杂,以及研究对象欠合作、行动不便或居住地的改变等,不可避免地会出现数据缺失。若一味地删除缺失数据,仅用完整数据分析,不仅会损失原有资料蕴藏的部分信息,且有可能引致模型参数估计有偏,甚至得出违背客观事实的谬误。为能充分地利用纵向监测资料中缺失数据所蕴藏的信息,提供一个解决纵向缺失数据的新思路。方法:本文主要阐述Markov Chain Monte Carlo(MCMC)多重填补与重复测量资料混合效应模型分析的原理;将重复测量混合效应线性模型与(MCMC)多重填补这两种方法结合起来,并结合社区高血压规范化管理实例,系统阐明纵向监测数据缺失模型分析步骤及其SAS软件实现。结果:根据全国社区高血压规范化管理项目统一的入选标准,随机抽取社区高血压管理项目一级、二级高血压患者资料完全数据222份,并根据222例高血压患者纵向监测的完全数据,产生数据缺失比例为18.92%的随机缺失数据集,进行实例验证。模拟研究和实例分析表明,样本例数222,缺失比例18.92%时:1、MCMC法多重填补5次时所得结果最稳健;2、混合效应模型对数据中缺失信息的利用率较低,其分析结果与完全数据分析结果略有不同;3、利用MCMC法多重填补填补5次时得到填补后数据,利用混合效应模型对其分析,其结果与完全数据分析结果一致。结论:(MCMC)多重填补次数模拟结果表明,样本量一定时,随着缺失比例增加,需要增加填补次数;缺失比例一定时,随着样本量的增加,需要填补次数逐渐减少。因此不同样本含量下不同缺失比例填补次数是不同的。混合效应模型缺失数据模拟结果表明,样本量一定时,随着缺失比例增加,对缺失数据中观察单位的信息利用率越差。本文通过对不同样本量下不同缺失比例的模拟研究,结合高血压患者的实例分析,进一步证明了(MCMC)多重填补在缺失数据中的广泛应用以及单独应用混合效应模型在缺失数据分析中的不足。MCMC多重填补可充分利用缺失资料信息,是处理缺失数据模型分析的有效方法之一;针对出现缺失的重复测量资料,结合应用重复测量混合效应线性模型与MCMC多重填补两种方法,从而得出更为符合客观实际的结果。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 帅平;李晓松;周晓华;刘玉萍;;缺失数据统计处理方法的研究进展[J];中国卫生统计;2013年01期
2 沈琳;陈千红;谭红专;;缺失数据的识别与处理[J];中南大学学报(医学版);2013年12期
3 张伟;冯萍;赵永红;袁佳英;李梅;;加权估计方程用于缺失数据的处理[J];中国卫生统计;2013年03期
4 张桥;李宁;张秋菊;刘美娜;;任意缺失模式缺失数据不同填补方法效果比较[J];中国卫生统计;2013年05期
5 赵景波;谭瀛;杨瑞璋;;缺失数据配伍组设计方差分析的回归分析方法[J];中国卫生统计;1990年06期
6 李清华,夏结来;有缺失数据的2×2交叉设计的多重填补与分析[J];中国卫生统计;2005年05期
7 周艺彪,姜庆五,赵根明;调查研究中数据缺失的机制及处理方法[J];中国卫生统计;2005年05期
8 沐守宽;周伟;;缺失数据处理的期望-极大化算法与马尔可夫蒙特卡洛方法[J];心理科学进展;2011年07期
9 廖慧敏;林燧恒;;数据缺失机制对逐步回归变量筛选的影响[J];中国卫生统计;2011年04期
10 尚磊;孙丽君;万毅;张玉海;;生长发育监测指标缺失数据插补方法比较[J];数理医药学杂志;2013年05期
11 陈长生,王彤,徐勇勇,尚磊;医学科研中缺失数据的EM估计[J];第四军医大学学报;2002年01期
12 王睿;马修强;陆健;赵艳芳;贺佳;;Epworth量表中缺失数据处理方法研究[J];中国卫生统计;2013年01期
13 伍亚舟;易东;;基因表达谱缺失数据填补估计方法的研究进展与探讨[J];重庆医学;2014年14期
14 李清华,夏结来,薛富波;多重填补处理有缺失数据的2×2交叉设计资料的计算机模拟[J];第四军医大学学报;2004年23期
15 戴雪梅;张佃中;;心率缺失数据插值方法探讨[J];中国医学物理学杂志;2013年01期
16 冯志兰,刘桂芬,刘力生,郝建生;缺失数据的多重估算[J];中国卫生统计;2005年05期
17 李树威;钟晓妮;;基于Markov Chain Monte Carlo模型对医院调查资料中缺失数据的多重估算[J];中国卫生统计;2013年06期
18 吴秋红;张裕青;李国平;张丕德;;不同模型处理纵向缺失数据的模拟研究及应用[J];中国卫生统计;2013年06期
19 岳勇;田考聪;;数据缺失及其填补方法综述[J];预防医学情报杂志;2005年06期
20 曹阳,谢万军,张罗漫;多重填补的方法及其统计推断原理[J];中国医院统计;2003年02期
中国重要会议论文全文数据库 前8条
1 耿直;葛丹丹;;纵向研究非随机缺失数据分析[A];中国现场统计研究会第12届学术年会论文集[C];2005年
2 管河山;姜青山;Steven X.Wei;;一种处理缺失数据的新方法[A];第二十一届中国数据库学术会议论文集(技术报告篇)[C];2004年
3 陈楠;刘红云;;基于增长模型的缺失数据处理方法之比较[A];心理学与创新能力提升——第十六届全国心理学学术会议论文集[C];2013年
4 肖进;贺昌政;;面向缺失数据的客户价值区分集成模型研究[A];中国企业运筹学[2010(1)][C];2010年
5 曾莉;张淑梅;辛涛;;IRT模型中缺失数据处理方法比较[A];第十一届全国心理学学术会议论文摘要集[C];2007年
6 孙玲;刘浩;袁长亮;;北京市城市快速路微波检测缺失数据分析[A];2008第四届中国智能交通年会论文集[C];2008年
7 张香云;;基于EM算法缺失数据下混合模型的参数估计[A];第十三届中国管理科学学术年会论文集[C];2011年
8 李晓煦;侯杰泰;;结构方程中缺失数据的处理:FIML,EM与MI[A];全国教育与心理统计测量学术年会论文摘要集[C];2006年
中国博士学位论文全文数据库 前8条
1 骆汝九;多指标综合评价的非参数方法和缺失数据的聚类方法研究[D];扬州大学;2011年
2 祝丽萍;几种缺失数据和高维数据模型的统计分析[D];山东大学;2012年
3 贾博婷;缺失数据下一类整值时间序列的统计推断[D];吉林大学;2014年
4 刘旭;在完全和缺失数据下基于非光滑估计方程的统计推断与变量选择问题[D];云南大学;2010年
5 赵鹏飞;混沌数据恢复与非线性系统的模型参考控制[D];吉林大学;2010年
6 陆福忠;数据缺失下的分布函数估计问题[D];复旦大学;2007年
7 赵慧秀;可交换的两值数据的统计分析[D];东北师范大学;2009年
8 付志慧;多维项目反应模型的参数估计[D];吉林大学;2010年
中国硕士学位论文全文数据库 前10条
1 杨利华;缺失数据的处理方法研究及应用[D];景德镇陶瓷学院;2011年
2 袁中萸;多元线性回归模型中缺失数据填补方法的效果比较[D];中南大学;2008年
3 褚培肖;缺失数据下的有限混合计数数据模型的统计推断研究[D];昆明理工大学;2015年
4 申宁宁;纵向研究缺失数据多重填补及混合效应模型分析[D];山西医科大学;2015年
5 李少琼;纵向研究二分类缺失数据处理及加权估计方程的应用[D];山西医科大学;2015年
6 高宇钊;比值缺失数据的多重估算与心脏康复二级预防干预效果评价及应用[D];山西医科大学;2015年
7 李顺静;基于EM算法的缺失数据的统计分析及应用[D];重庆工商大学;2015年
8 崔朝杰;含有缺失数据的两值吸毒数据分析[D];东北师范大学;2009年
9 岳春柳;缺失数据的概率主成分分析[D];东北师范大学;2010年
10 齐丹丹;对含缺失数据的非参可加模型进行成分选取[D];东北师范大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978