中国卫生统计
中國衛生統計
중국위생통계
CHINESE JOURNAL OF HEALTH STATISTICS
2009年
1期
35-37,40
,共4页
不平衡单因素随机效应模型%方差成分%限制性极大似然%贝叶斯
不平衡單因素隨機效應模型%方差成分%限製性極大似然%貝葉斯
불평형단인소수궤효응모형%방차성분%한제성겁대사연%패협사
目的 比较限制性极大似然估计(REML)法和贝叶斯法(Bayesian)对小样本不平衡单因素随机效应模型方差成分估计的偏差和精密度,同时考虑在样本量的大小、单位的数量和单位内相关系数(ICC)的大小不同的情况下对方差成分估计的精确程度的影响.方法 通过计算机模拟7组不同设计的数据集,用SAS软件MIXED模块进行方差成分估计.结果 不同的设计中,REML法估计比Bayesian法估计更加接近真值,但Bayesian法对组间方差的区间估计更加精密.对于两种方法 而言,样本和单位数量的增加,估计结果 更加准确.组内方差的估计,比组间方差的估计更准确和精密.结论 对小样本不平衡结构数据,当ICC为小或中等时,REML估计比Bayesian估计的偏差和均方误差要小,推荐使用.但是Bayesian法的区间估计比REML法的区间估计更加精密.
目的 比較限製性極大似然估計(REML)法和貝葉斯法(Bayesian)對小樣本不平衡單因素隨機效應模型方差成分估計的偏差和精密度,同時攷慮在樣本量的大小、單位的數量和單位內相關繫數(ICC)的大小不同的情況下對方差成分估計的精確程度的影響.方法 通過計算機模擬7組不同設計的數據集,用SAS軟件MIXED模塊進行方差成分估計.結果 不同的設計中,REML法估計比Bayesian法估計更加接近真值,但Bayesian法對組間方差的區間估計更加精密.對于兩種方法 而言,樣本和單位數量的增加,估計結果 更加準確.組內方差的估計,比組間方差的估計更準確和精密.結論 對小樣本不平衡結構數據,噹ICC為小或中等時,REML估計比Bayesian估計的偏差和均方誤差要小,推薦使用.但是Bayesian法的區間估計比REML法的區間估計更加精密.
목적 비교한제성겁대사연고계(REML)법화패협사법(Bayesian)대소양본불평형단인소수궤효응모형방차성분고계적편차화정밀도,동시고필재양본량적대소、단위적수량화단위내상관계수(ICC)적대소불동적정황하대방차성분고계적정학정도적영향.방법 통과계산궤모의7조불동설계적수거집,용SAS연건MIXED모괴진행방차성분고계.결과 불동적설계중,REML법고계비Bayesian법고계경가접근진치,단Bayesian법대조간방차적구간고계경가정밀.대우량충방법 이언,양본화단위수량적증가,고계결과 경가준학.조내방차적고계,비조간방차적고계경준학화정밀.결론 대소양본불평형결구수거,당ICC위소혹중등시,REML고계비Bayesian고계적편차화균방오차요소,추천사용.단시Bayesian법적구간고계비REML법적구간고계경가정밀.
