跳到主页内容
美国国旗

美国政府的官方网站

Dot政府

gov意味着它是官方的。
联邦政府网站通常以.gov或.mil结尾。之前分享敏感信息,确保你在联邦政府政府网站。

Https系统

该站点是安全的。
这个https(https)://确保您连接到官方网站,并且您提供的任何信息都是加密的并安全传输。

访问密钥 NCBI主页 MyNCBI主页 主要内容 主导航
.2010年3月30日;29(7-8):770-7.
doi:10.1002/sim.3794。

具有小数据集或稀疏数据集的偏差减少和防分离条件logistic回归

附属公司

具有小数据集或稀疏数据集的偏差减少和防分离条件logistic回归

乔治·海因策等。 统计医学. .

摘要

当受试者被分为多个子集时,条件logistic回归用于分析二元结果,例如匹配对或块。对数比估计值通常通过最大化条件似然得到。这种方法通过调节每个地层中的事件数量来消除所有特定于地层的参数。然而,在一项动物实验和一项肺癌病例对照研究的分析中,条件最大似然(CML)导致了无限比值比估计和单调似然。使用Cytel Inc.著名的LogXact软件可以改进估计,该软件提供了中值无偏估计和精确或中等置信区间。在这里,我们建议并概述了基于Firth(Biometrika 1993;80:27-38)偏差校正方法(CFL)精神的惩罚条件似然最大化的点和区间估计。我们对这两项研究进行了比较分析,证明了CFL相对于竞争对手的一些优势。我们报告了一项小样本模拟研究,其中CFL对数比值比估计值几乎没有偏差,而LogXact估计值显示出一些偏差,CML估计值显示了严重的偏差。基于惩罚条件似然的置信区间和检验的覆盖率接近标称值,并且在所有比较方法中产生了最高的功效。因此,我们建议将CFL作为二进制数据分层分析的一个有吸引力的解决方案,而不考虑单调似然的出现。实施CFL的SAS程序可从以下网址获得:http://www.muw.ac.at/msi/biometrie/programs。

PubMed免责声明

类似文章

引用人

MeSH术语