隆格达

纵向数据判别分析及其在医学诊断中的应用。纵向数据的分类方法具有识别优于基于横截面数据的分类器的潜力。最近,一元纵向二次判别分析(longQDA)被提出。它的核心思想是利用线性混合模型的边际均值和协方差矩阵作为判别规则的组特定插件估计量。本文研究了一些尚未解决的问题,如模型选择和多变量扩展。提出了一个用R语言实现的补充软件,它满足了最新的设计和用户需求。作为潜在的诊断性应用评估的研究,或不作为纵向应用的生物标记物。首先,我们比较了两种模型选择准则,以确定最合适的单变量线性混合模型结构,并量化了错误决策的相应偏差。首先选出最佳的分类结构。第二种方法选择了贝叶斯信息最小准则的模型,并在仿真研究中取得了较好的效果。对于较长的数据剖面和具有随机效应的更复杂的纵向模型,错误决策的偏差更大。随后,我们提出了一个多元参数化模型,并给出了一个具有多元参数化的多元协方差模型。在数据的特殊设置下,第一个模型类使用单变量情况下实现的估计算法。Kronecker积模型的限制极大似然估计是通过数值约束优化算法实现的。最后,我们介绍了用于纵向数据二次判别分析的R包long QDA。除了本文提出的统计方法外,还支持从数据分析到结果报告的整个过程。软件实现遵循了现代面向对象的概念和S4类,满足了用户友好的处理、良好的运行时性能和易扩展性等概念性要求。后一个质量标准被证明有两个特点:多变量数据设置的功能及其在模拟研究中的应用。

zbMATH中的参考文献(参考 1文章 参考)

显示结果1/1。
按年份排序(引用)

  1. Kohlman,Mareike:纵向数据的判别分析及其在医学诊断中的应用。(2010年)