论文部分内容阅读
广义线性混合模型是一种特殊的混合模型,是对广义线性模型的一种重要扩展。在这个模型结构中,取代固定效应,线性预测量包含了具有正态分布的随机效应。随机效应logistic回归是广义线性混合模型(GLMM)的一个特殊的情况,主要应用于流行病学。 本文首先介绍了随机效应logistic回归模型,提出了一个新的方法,即在平均分方法(Mean Score Method)的基础上,当出现缺失数据时,对其使用辅助变量,从而对数据进行特定中心估计,得到第一步估计量,然后对第一步估计量进行最优加权,来构造一个两步估计量。最后利用两种估计量做了模拟研究,结果表示本文提出的估计量估计恰当,最后将其应用于男婴缺陷问题中,并证明我们提出的方法在实际应用中更实用。 第1章为绪论。简要叙述了随机效应logistic模型选题的背景和研究意义,以及国内外关于缺失数据处理、logistic模型和新生儿缺陷问题的研究现状。 第2章介绍了随机效应的logistic回归模型,本文提出了一种特定中心的估计方法,它是在拟似然函数的基础上,对缺失数据的处理使用平均分数法的一种方法。接下来再对第一步估计量进行最优加权,来构造一个两步估计量。在第2部分的结尾给出了估计量的渐近性质。 第3章是将估计量和理论值对比的模拟研究,进而对本文所提出的随机效应logistic模型的估计方法进行评价。 第4章是实证分析。先介绍了本文的数据来源。并以新生儿出现缺陷数据为例,使用本文的提出的新估计方法进行估计,最后根据实证结论提出了相关建议。 第5章给出本文的最后结论和不足之处。