简介:纵向数据在生物、医学和经济学中的研究普遍使用。近年来,对纵向数据各种模型的研究引起国内外统计学者的广泛关注。本文建立了半参数纵向数据的Possion回归模型。并利用极大似然估计对此模型的参数进行了估计,讨论了它的Fisher信息矩阵,给出了似然方程的Newton-Raphson迭代求解过程。
简介:针对目前烟草行业市场下滑率高居不下的现状,建立一个市场下滑预警模型尤为重要。鉴于此,运用Logistic回归分析法,最终选出增幅趋势值、增幅波动值为影响自变量,建立某烟草品牌省外地市市场的下滑预警模型。运用该模型,企业可以通过现有增幅趋势值、波动值对未来市场下滑情况做出预测,得到高下滑风险市场名单。提前对这些市场进行策略挽留,以达到降低整体市场下滑率的目的。
简介:摘要院利用两步估计方法对混合地理加权回归模型进行拟合,运用Moran's检验方法探索误差项的空间相关性。
简介:基于南京市2012年居民出行调查数据,建立了能同时考虑家庭小汽车拥有量的离散属性和序次属性的序次logistic回归模型,对家庭小汽车拥有量进行预测。模型结果表明:一些家庭属性比如家庭驾照持有数量、收入水平和居住位置对家庭小汽车拥有量有显著的影响,而表征家庭所在社区街道模式的变量(交叉口密度)和表征家庭所在社区公共交通可达性的变量(是否在地铁站步行范围内及公共交通站点密度)对家庭小汽车拥有量的影响并不显著。模型总体拟合度γ2和模型检验结果均表明该模型总体表现良好。最后计算了所有显著的解释变量的边际效应,即解释变量1个单位变化能够引起的家庭小汽车拥有量概率的变化。
简介:为建立不同产区及风格烤烟烟叶与化学指标之间的关系,对2005~2009年湖南省、河南省、福建省和云南省等4省份共计1040份烟叶样品的21种化学成分进行检测,并利用MiningTree模型进行分类-回归决策树(C&RTanalysis)数据分析。结果表明:(1)从21个烟叶化学成分中,共筛选出14个特征化学指标,其中钾和硝酸根为4省烟叶共有特征化学指标;(2)湖南、河南、福建和云南4省份识别概率最高的特征化学指标分段组合(Segment)分别为:还原糖(≤24.93%)、钾(〉1.98%)、pH值(≤5.37)(p=0.658);钾(≤1.98%)、灰分(〉11.03%)、水溶性灰份碱度(≤0.49)、硝酸根(≤0.06%)(p=0.776);还原糖(〉24.93%)、钾(〉1.98%)、硝酸根(≤0.06%)、蛋白质(〉5.01%)(p=0.914);钾(≤1.98%)、灰分(≤11.03%)、水溶性总糖(〉28.94%)、硫酸根(≤1.43%)(p=0.957)。分类-回归决策树方法在建立烤烟化学成分识别模型中具有重要的应用价值。
简介:灰色系统理论GM(1,1)模型,应用于地面沉降模拟和预测中只能分析数据的指数变化规律。对于地面沉降发展过程中,存在的线性关系不能有效地反映。本文利用灰色组合模型中的第一类灰色组合模型即GM(1,1)与线性回归模型相融合。选取北京东部某地面沉降监测站2004-2012年的分层监测数据建立模型,计算出各监测层位沉降的数学模型,并以此预测各监测层位地面沉降量。结果表明:利用灰色线性回归组合模型在对地面沉降进行分层模拟和预测是可行的。在已有数据的基础上,利用数学模型进行沉降模拟时,两种模型的精度均很高,但通过模型预测未来一年沉降量时,灰色线性回归组合模型的精度,要远高于普通均值GM(1,1)模型。
简介:目的建立前列腺癌弥散加权成像(DWI)与非影像学指标结合的Logistic回归预测模型,评估患者前列腺癌发病的可能性,以便后续诊断方法的选择和分析。方法回顾性分析114例2012年1月—2013年6月在复旦大学附属肿瘤医院先后行DWI和经直肠超声引导下前列腺穿刺活检患者的资料,其中前列腺癌患者70例、非肿瘤患者44例。应用DWI影像评价患者前列腺癌发病率,按危险高低行前列腺影像报告和数据系统(PI-RADS)评分(由低到高依次为1~5分)。随机抽取一半患者分入建模组,其余分入验证组。分析建模组中良恶性病例年龄、前列腺特异性抗原(PSA)、游离PSA与总PSA比值(f/tPSA)、肛门指检(DRE)、PI-RADS分级等指标的差异,选取有统计学差异的指标为考察变量,以穿刺病理是否为前列腺癌为应变量,建立两项Loglstic回归模型。A:非影像学指标+PI-RADS;B:只含非影像学指标。利用验证组病例数据建立Loglstic回归模型和PI-RADS预测概率的受试者工作特征(ROC)曲线,分析其相应的灵敏度、特异度,确定最佳界值。结果良恶性患者PSA、f/tPSA、DRE及PI-RADS分级有显著统计学意义(P〈0.05),纳入考察变量。前列腺癌Logistic回归预测模型建立如下:A:LogitP=-6.18+0.0006PSA+1.73DRE-8.01f/tPSA+1.3PI-RADS;B:LogitP=-0.095+0.0467PSA+1.88DRE-7.3959f/tPSA。应用A模型预测验证组的穿刺结果,ROC曲线的曲线下面积(AUC)为0.902,明显高于单独使用DWIPI-RADS分级(0.835)和临床指标(0.751)。A、B模型最佳灵敏度和特异度分别为86.4%、80.0%,90.9%、62.9%;PI-RADS分级最佳灵敏度和特异度为63.6%和94.3%。结论联合PSA、f/tPSA、DRE及PI-RADS这4个指标,利用Logistic回归预测模型有助于评估个体患前列腺癌的可能性,准确率较高,为可疑前列腺癌患者行前列腺穿刺提供了更充分的依据。