公共文化服务平台

搜索到9465篇“ 线性混合效应模型“的相关文章

线性模型和线性混合效应模型变量选择 ——基于信息准则的随机搜索方法: 变量选择一直是统计学研究的热点问题,随着数据获取技术的发展,高维且复杂的数据大量涌现在各个研究领域,给变量选择工作带来了新的挑战.传统的全子集选择法需要遍历搜索所有的子集才能选出全局最优子集,但在变量维数p很大的高维场合...; 李春; 关键词：随机搜索线性混合效应模型

置信区间宽度等高线图在线性混合效应模型样本量规划中的应用: 2024年; 线性混合效应模型在分析具有嵌套结构的心理学实验数据时具有明显优势。本文提出了置信区间宽度等高线图用于该模型的样本量规划。通过等高线图,确定同时符合检验力、效应量准确性以及置信区间宽度要求的被试量和试次数。结合关注被试内实验效应和被试变量调节效应的两类典型模型,通过两个模拟研究,采用基于蒙特卡洛模拟方法,探索效应量、随机效应大小和被试变量类型对置信区间宽度等高线图及样本量规划结果的影响。; 刘玥徐雷刘红云韩雨婷游晓锋万志林; 关键词：线性混合效应模型多水平模型

基于在线更新的线性混合效应模型的参数估计: 2024年; 本文考虑在线更新数据集下线性混合效应模型的参数估计问题,提出了对应的在线更新估计方法,并证明了所得估计量的相合性.通过数值模拟发现,在不同的参数设置下,该方法的表现良好.将该方法与全局估计进行对比发现,虽然该方法在估计误差方面的表现不如全局估计,但是该方法能适用于在线更新数据集的情形,且大大降低了估计量的估计时间,以及估计时对计算机存储性能与计算性能的要求.; 盖玉洁谢雨娇王晓迪; 关键词：线性混合效应模型参数估计

纵向数据下线性混合效应模型的贝叶斯变量选择: 2024年; 在纵向数据下讨论了如何采用贝叶斯方法将线性混合效应模型分别进行固定效应和随机效应选择的问题。针对固定效应选择,首先给出线性混合模型的似然函数,然后对于固定效应引入Spike-and-Slab混合先验,对于随机效应中的协方差矩阵给定Inverse-Wishart分布先验,运用二元潜变量标记固定效应中的活跃协变量,给出满条件分布及相应的Gibbs抽样算法。针对随机效应选择,采用Cholesky分解对线性混合模型中的协方差矩阵进行重新参数化,从而将随机效应分布的协方差参数函数作为标准正态潜在变量的回归系数,通过为随机效应协方差分解后的参数选择Spike-and-Slab混合先验,利用分层贝叶斯模型识别零方差的随机效应,给出满条件分布以及相应的Gibbs抽样算法。使用模拟数据说明方法的有效性,最后将模型应用于2017年2月至2018年2月的26家上市银行的实际数据,验证了方法的优良性。; 李纯净陈雨孙胜男; 关键词：纵向数据线性混合效应模型 CHOLESKY分解 GIBBS抽样

线性混合效应模型贝叶斯分位回归的变分推断: 2024年; 贝叶斯分位回归能够对线性混合效应模型中的参数进行良好的估计.在贝叶斯参数估计中,常用Gibbs抽样方法.为了得到精确的估计结果,Gibbs抽样方法需要进行多次抽样.当模型参数维度较高时,Gibbs抽样方法将会十分耗时.因此,文章采用变分推断来近似参数的后验分布.变分推断采用无条件分布来逼近Gibbs方法得到的条件分布,从而使得计算变得高效.文章将模型参数的先验假定为正态分布,对无惩罚线性混合效应模型的参数进行变分推断.考虑到模型参数可能面临的高维情况,文章将模型参数的先验假定为Laplace分布,对双惩罚线性混合效应模型的参数也进行变分推断.从模拟结果来看,变分推断对模型参数估计的精度虽略小于Gibbs抽样方法,但其运行速度较快.在高维情况下,运行效率依然很高.在大数据时代,时间和资源的消耗是文章首先需要考虑的因素.因此,文章提出的方法可实际运用在高维线性混合效应模型中.; 王维贤殷先军张娟娟田茂再; 关键词：线性混合效应模型 GIBBS抽样

基于正交投影的线性混合效应模型的弹性网变量选择: 2024年; 本文考虑线性混合效应模型的变量选择问题.通过结合QR分解和弹性网惩罚方法,提出了一种线性混合效应模型中固定效应的变量选择方法.先通过QR分解技术消除随机效应对模型的影响,再利用弹性网构造固定效应的惩罚最小二乘目标函数,从而同时进行回归系数的估计和变量选择,证明了所得估计的组效应性质.所提出的变量选择过程不仅可以将固定效应和随机效应分离,使得两者之间互不影响,而且拥有弹性网方法的组效应性质.模拟研究了所提出方法的有限样本性质.; 邹璟婧杨宜平赵培信; 关键词：线性混合效应模型 QR分解

运用线性混合效应模型分析中医药对HIV感染者CD4^(+)T淋巴细胞计数长期变化的影响: 2024年; 目的探讨中医药治疗对HIV感染者CD4^(+)T淋巴细胞计数长期变化的影响。方法以“艾滋病综合防治数据信息系统”和《中医中药治疗HIV感染者项目数据库》为数据来源,进行回顾性队列研究,收集河南省三个中医项目地区的HIV感染者的信息及随访期间的CD4^(+)T淋巴细胞计数。参与中医项目的HIV感染者为中医治疗组,未参与中医治疗的HIV感染者为非中医治疗组。队列开始时间为中医项目入组时间(2004年、2006年、2009年、2015年),队列结束时间为2021年10月1日或者随访15年,二者中先到的日期为队列结束时间,按照中医治疗组和非中医治疗组队列开始时间一致的匹配原则,1∶1随机匹配两组病例。通过构建多个线性混合效应模型选择出最优线性混合效应模型,并对最优模型进行诊断。运用优模型分析中医药对CD4^(+)T淋巴细胞计数变化的影响。结果本研究共纳入2078例HIV感染者,两组CD4^(+)T淋巴细胞计数年变化趋势图显示,CD4^(+)T淋巴细胞计数<200个/μL、200~349个/μL和350~500个/μL的HIV感染者随时间变化有缓慢上升趋势。以更符合正态分布的CD4^(+)T淋巴细胞计数平方根构建多种线性混合效应模型,通过赤池信息量准则筛选出最优模型为lm2模型。经过检验,最优线性混合效应模型拟合度良好。最优线性混合效应模型结果显示,组内相关系数ICC值为0.53,中医非中医组别系数为1.83,性别系数为0.81,文化程度系数为0.60,抗病毒治疗组别系数为0.04,参与中医治疗、女性、参与抗病毒治疗、文化程度高与CD4^(+)T细胞计数平方根呈正相关,且差异有统计学意义(P<0.05)。结论中医药治疗可提高艾滋病患者CD4^(+)T淋巴细胞计数。; 贾皇超刘学伟金艳涛许前磊李鹏宇马彦民郭会军; 关键词：中医药抗病毒治疗线性混合效应模型

基于广义线性混合效应模型的森林树木死亡研究: 2024年; 基于计数模型方法,同时考虑样地的随机效应,构建林分水平死亡模型,探究影响树木死亡的因素,以期为森林资源的监测与管理提供参考依据。以美国德州东部森林连续清查的样地数据为数据源,按4∶1的比例将其进行随机抽样,划分为训练集和验证集数据,将立地因子、林分因子和气候因子作为模型的自变量,林木死亡株数则作为模型的因变量,运用计数模型和混合效应模型方法进行模型的构建,并分析影响林木死亡株数的因子。使用赤池信息准则(AIC)、贝叶斯信息准则(BIC)和-2倍对数似然函数值(-2logL)3种模型评价指标评估各模型间的拟合效果;采用平均绝对误差(MAE)和均方根误差(RMSE)2种评价指标评估其预测效果,以便筛选出最佳的林分水平死亡模型。结果表明:立地因子方面,林木死亡株数与海拔(P<0.01)呈显著的负效应,与坡度(P<0.05)呈显著的正效应,说明林木死亡株数随海拔的升高而减少,随坡度的增加而增多;林分因子方面,林木死亡株数与林分年龄(P<0.001)和树木基面积(P<0.001)呈显著的正效应,与林分平方平均胸径(P<0.001)和林分密度(P<0.05)呈显著的负效应,说明林木死亡株数随林分年龄的增加和树木基面积的增大而增加,随林分平方平均胸径和林分密度的增大而减少;气候因子方面,林木死亡株数与SPEI(P<0.05)、干旱长度(P<0.001)、年平均温度(P<0.001)和夏季平均降雨量(P<0.05)均呈显著的负效应,与夏季平均温度(P<0.001)呈显著的正效应,说明林木死亡株数随干旱强度和夏季平均温度的增加而增多,随干旱长度、年平均温度和夏季平均降雨量的增加而减少。在基础计数模型中,零膨胀负二项(ZINB)模型的拟合效果最好。而加入样地随机效应后,混合效应模型的拟合精度明显有所提高。基于所有模型模拟结果的比较,得出德州东部森林的林分水平死亡模型以ZINB-mixed模型为最优; 闫明陈艳梅闫静奚为民; 关键词：计数模型混合效应模型

非线性混合效应模型的新型估计方法及其应用: 赵雅梅

气候敏感的杉木树高-胸径非线性混合效应模型研建被引量：2: 2023年; 【目的】建立基于林分优势高和气候因子的杉木树高-胸径非线性混合效应模型,为杉木生长研究和经营管理提供理论依据。【方法】基于2020年国家森林资源年度监测评价广西壮族自治区试点25块杉木样地的每木胸径和树高实测数据及样地位置对应的气候数据,选择7个常用的树高-胸径模型,筛选出模拟精度最高的模型作为基础模型,再引入代表林分竞争、立地条件和气候因子的变量构建广义非线性模型,并在此基础上,加入样地效应构建杉木非线性混合效应模型。最后,运用十折交叉验证法对3种模型进行检验。【结果】Chapman-Richards模型为最佳杉木树高-胸径关系基础模型,林分优势高、林分断面积和年平均降水量与树高生长显著相关,用于构建广义非线性模型,对比分析确定随机参数为3个的组合构造非线性混合效应模型。基础模型、广义非线性模型、非线性混合效应模型的调整决定系数分别为0.674 2、0.797 3和0.857 3,平均绝对误差分别为1.607 5、1.270 1和1.010 6 m,均方根误差分别为2.032 1、1.632 1和1.338 4 m,相对均方根误差分别为20.796 4%、16.703 3%和13.697 3%,混合效应模型呈现出更好的拟合效果。【结论】引入林分优势高和气候因子的杉木树高-胸径非线性混合效应模型可以较好地描述杉木树高胸径曲线,适用于大范围的树高预测。; 杜志陈振雄李锐刘紫薇黄鑫; 关键词：杉木气候因子非线性混合效应模型

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈