×

兹马思-数学第一资源

纵向数据判别分析及其在医学诊断中的应用。(英语) Zbl 1227.62041
慕尼黑:慕尼黑大学,法库塔夫符马蒂克,信息与统计(Diss.)。128页(2010年)。
摘要: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。本文介绍了一个在\(R\)中的补充软件实现,它满足了最新的设计和用户需求。来自诊断研究的纵向生物标志物数据,评估其将患者分类为抗治疗或不作为激励应用的潜力。
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。第一个准则选择产生最佳分类性能的模型结构。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,我们给出了长QDA的多变量扩展,提出了两类参数化简洁的多元混合模型类:具有Kronecker积结构的多元随机效应模型和协方差模式模型。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,我们介绍了用于对纵向数据进行二次判别分析的软件包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。
理学硕士:
62小时30分 分类和鉴别.聚类分析(统计方面)
1620页 统计学在生物学和医学科学中的应用;元分析
62-04年 有关统计问题的软件、源代码等
62-02年 与统计学有关的研究展览会(专著、调查文章)
PDF格式 BibTeX公司 XML 引用
全文: 链接