多层统计分析模型.pptVIP

模型假设—SAS的表达固定和随机回归系数第一部分模型估计方法REML通常用于组数量较少的模型；REML估计较优，而ML较快。两者用于估计的残差基础不同，后者的残差包括所有的随机变异；ML可以用于模型比较，而REML不行；REML是SAS的MIXED过程和HLM的默认算法；包括普通最大似然法（ML）和限制性最大似然法（REML）；最大似然法（ML）01是MLwiN使用的算法。包括迭代广义最小二乘法（IGLS）和限制性迭代广义最小二乘法（RIGLS）都以普通最小二乘估计（OLS）为初始值进行迭代；地位及相对关系大致等同于ML和REML；020304最小二乘法（LS）“收缩估计（shrinkageestimator）”以可靠性权重确定最后的估计值；对于某些样本量很小的组，则更多的使用总样本的信息，进行“借力（borrowstrength）”020103经验Bayes方法（EB）空模型的可靠性权重SAS给出：-2LL，AIC，AICC，BIC等统计量，其值越小越好；01但只在比较模型时有用；02模型收敛的速度可以说明拟合的好坏。03对模型拟合的评价03单测检验，P值需除2；02局部检验：对方差-协方差估计使用WaldZ检验；对系数使用t检验；01全局检验：F检验；04其它可使用LR等。假设检验对于嵌套模型，使用LR检验；对于非嵌套模型，使用AIC，AICC和BIC检验；无论何种，均需使用ML进行估计。模型比较对变异的解释程度（RB）对变异的解释程度（SB）第二部分示例与SAS实现Practice：执业时间；Patid：病人编号；Phys：医生编号；Sat：满意度分数；Age：病人年龄；例1：对医生满意度调查空模型0403012步迭代完成；ICC=0.00292/（0.00292+1.291）=0.23%所有随机系数的检验均高于检验水准；不用进一步拟合多水平模型02空模型AEDBCocca：每次观察编号；Age：病人年龄；agg：场景变量；SNA：角度；id：观察对象编号；例2：SNA角度测量值13步迭代完成；2所有随机系数的检验部分低于检验水准；4应进一步拟合多水平模型3ICC=0.4296/（0.4296+0.5629）=43.28%空模型空模型加入场景变量所有随机系数的检验部分低于检验水准；023步迭代完成，随机截距有意义；01RB=1-0.3330/0.4296=0.2248;04该模型-2LL=345.8，空模型-2LL=352.2，则LRχ2=6.4，p=0.0114；03空模型加入场景变量加入水平1变量（固定效应）3步迭代完成，随机截距有意义；01所有随机系数的检验部分低于检验水准；02该模型-2LL=199.1，前模型-2LL=345.8，则LRχ2=146.7，p=0.000；03加入水平1变量（固定效应）多层统计分析模型陶庄中国CDC卫生统计研究室绪论青蛙—学生个体；池塘—学校环境；学生的成绩好坏不仅受到个体本身的影响，也受到学校环境的影响！青蛙与池塘（“Frog-pondtheory”）低一层（低水平）单位（个体）的数据嵌套（nested）于高一层（高水平）的单位（组群）之中。1结局变量，个体解释变量，场景变量（contextualvariables）2多层数据同一组内的个体，较不同组的个体而言，在观念、行为等很多方面更为接近或相似；即便不是刻意分组，也是如此。组内同质（within-grouphomogeneity），组间异质（between-groupheterogeneity）很小的相关将导致很大的I类错误。组内观察相关

（within-groupobservationdependence）……Meta分析；“高低搭配”；纵向研究（longitudinalstudies）与重复测量（repeatedmeasures）；多中心临床试验；复杂抽样；多层数据的常见来源123哪些个体解释变量会影响结局变量；哪些场景变量会影响结局变量；个体解释变量对结局变量的影响是否会受到场景变量的影响。123多层统计模型的研究内容多层统计模型出现前对多层数据进行分析的探索在个体水平和组群水平分别进行分析；01试图用单一的个体水平模型的分析结果来推论另一水平的统计结果。02探索（1）—分别估计探索（2）—传统回归用传统的固定效应回归模型中一般的交互项理解多层数据中的跨层（cross-level）交互作用。01探索（3）—