https://zbmath.org/atom/cc/62H17 2024-04-15T15:10:58.286558Z Werkzeug公司 https://zbmath.org/1530.62003 2024-04-15T15:10:58.286558Z “唐，万” https://zbmath.org/authors/？q=ai:tang.wan “贺华” https://zbmath.org/authors/？q=ai:he.hua（中文） “涂，辛M。” https://zbmath.org/authors/？q=ai:tu.ximming 出版商描述：第二版介绍了如何对离散数据进行统计分析，包括分类结果和计数结果，它是从作者的研究生级生物统计学课程《应用分类和计数数据分析》发展而来的。作者已经在罗切斯特大学和杜兰大学教授分类数据分析课程十多年了。这本书体现了他们在分类和计数数据的统计模型的教学和应用方面长达十年的经验和见解。作者描述了每个概念、模型和方法背后的基本思想，使读者能够很好地掌握方法学的基本原理，而不依赖于严格的数学论证。第二版是第一版的主要修订版，增加了许多新材料。它涵盖了经典概念和流行主题，如列联表、逻辑回归模型和泊松回归模型，以及现代领域，包括零修正计数结果模型、参数和半参数纵向数据分析、可靠性分析以及处理缺失值的方法。与第一版一样，所有示例都提供了R、SAS、SPSS和Stata编程代码，使读者能够立即对示例中的数据进行实验，甚至可以修改或扩展代码以适应自己研究的数据。本书为生物统计学研究生和高级本科生设计，为期一学期，内容完备，也适合生物医学和心理社会研究人员作为自学指南。它将帮助读者分析生物医学和心理社会研究领域的离散变量数据。特点：\开始{itemize}\描述每个概念和模型的基本思想\项目包括所有示例的R、SAS、SPSS和Stata编程代码\项目功能显著扩展了第4、5和8章（第二版的第4-6和9章）\扩展了对纵向和聚类数据分析中微妙问题的讨论，例如时变协变量和广义线性混合效应模型与GEE的比较\结束{itemize}第一版见[Zbl 1279.62018]。 https://zbmath.org/1530.62024 2024-04-15T15:10:58.286558Z “Momozaki，Tomotaka” https://zbmath.org/authors/？q=ai:momozaki.tomotaka “Cho，Koji” https://zbmath.org/authors/？q=ai:cho.koji 中川富代 https://zbmath.org/authors/？q=ai:nakagawa.tomoyuki “佐藤富泽” https://zbmath.org/authors/？q=ai:tomizawa.sadao 摘要：在列联表分析中，人们感兴趣的是使用良好性测试来测试感兴趣的模型（例如，独立模型或对称模型）是否成立。当模型为真的零假设被拒绝时，人们的兴趣转向列联表的概率结构偏离模型的程度。人们研究了许多衡量偏离程度的指标，如独立模型的Yule系数和Cramér系数，对称模型的Tomizawa对称指数。这些指数的推断是使用样本比例进行的，样本比例是对细胞概率的估计，但众所周知，在没有足够数量的样本的情况下，偏差和均方误差（MSE）值会变得很大。为了解决这个问题，本研究提出了一种新的指数估计方法，该方法使用细胞概率的贝叶斯估计。假设细胞概率的先验分布为Dirichlet分布，当将细胞概率的后验均值插入指数时，我们渐进地评估MSE的值，并使用使值最小的Dirichle超参数提出指数的估计。数值实验表明，当每个单元的样本数小时，与其他校正估计精度的方法相比，所提出的方法具有更小的偏差和MSE值。我们还表明，偏差和MSE的值小于使用均匀先验和Jeffreys先验获得的值。