导读:本文包含了零膨胀负二项回归论文开题报告文献综述及选题提纲参考文献，主要关键词:非梗阻性无精症,细针抽吸,辅助生殖技术,零膨胀负二项回归
零膨胀负二项回归论文文献综述
李林键,殷菲,伯贞艳,蒋小辉,张韬[1]（2019）在《基于零膨胀负二项回归的非梗阻性无精症患者细针抽吸术后镜检精子计数预测研究》一文中研究指出目的在人工助孕前预测某非梗阻性无精症(NOA)患者细针吸取(FNA)术后的镜检精子计数,以辅助临床工作人员评估实施辅助生殖治疗的预期效果,为该NOA患者男性不育治疗失败的风险评估提供参考依据。方法收集379例NOA患者术前病例信息与临床指标,构建镜检精子计数的零膨胀负二项(ZINB)预测模型,并评价模型的拟合与预测效果。结果年龄、睾丸容积、血清卵泡刺激素与睾酮水平是影响镜检精子计数的相关因素,其中零计数部分的OR值和95%CI为:年龄0.876(0.824,0.932),睾丸容积0.882(0.810,0.962),卵泡刺激素1.179(1.121,1.241),负二项部分的RR值和95%CI为:睾酮1.027(1.004,1.052),卵泡刺激素0.969(0.950,0.990)。模型评估结果提示ZINB模型相对于传统泊松和负二项模型具有更好的拟合优度与预测准确性。结论随着年龄与睾丸容积增大、血清卵泡刺激素水平减小,患者更有机会成功获得精子;随着血清睾酮水平增高、卵泡刺激素水平减小,患者越有机会获取到精子密度较高的精液。基于ZINB模型对NOA患者FNA术后镜检精子计数的预测值可在一定程度上为患者提供辅助生殖治疗的风险参考。(本文来源于《现代预防医学》期刊2019年21期）
王博[2]（2019）在《基于EM算法的多水平零膨胀负二项混合效应回归模型的参数估计》一文中研究指出计数数据广泛应用于医疗、生物和保险等诸多领域.泊松回归模型与负二项回归模型是分析这类离散型数据的重要模型.在实际计数中往往会出现相对于泊松分布或负二项分布过多的零,称之为零膨胀现象.分析此类数据的常见方法是零膨胀泊松(ZIP)回归模型和零膨胀负二项(ZINB)回归模型.但是,如果非零观测值过度分散并且具有相关性,则参数估计可能会出现严重偏差,导致传统的ZINB模型不能对其进行很好的拟合.提出了一种具有随机效应的多水平零膨胀负二项混合效应回归模型,并利用极大似然估计的EM算法对多水平零膨胀负二项混合效应回归模型进行参数估计.(本文来源于《高师理科学刊》期刊2019年03期）
王博[3]（2019）在《零膨胀负二项混合回归模型》一文中研究指出伴随着科学技术的日益发展,信息时代已经到来,在信息时代会涌现出大量的数据。比如在我们的医疗行业、农业以及工业方面都存在着大数据。而且最近人工智能技术不断发展,各种智能算法不断出现,而这些算法在本质上是对数据的处理方法,换句话来说也可以是一种处理数据的模型。在这些大数据中,存在一种情况,就是在这些数据中存在零过多的情况,一般来说,我们处理这些数据的方法有负二项回归模型,对数据进行拟合分析。但是如果数据中存在的零的个数超过了模型的预测范围,那么,我们可以认为这些数据存在零膨胀现象。如何处理这些零膨胀的数据是一个重要的问题,因为该处理方法在工程实践中会产生重要的指导作用,零膨胀负二项混合模型由于其有效性而得到广泛应用。(本文来源于《大众投资指南》期刊2019年01期）
朱高培,朱乐乐,孟马承,吴学森[4]（2018）在《零膨胀负二项回归模型在共存疾病影响因素研究中的应用》一文中研究指出目的探讨零膨胀负二项回归模型在居民患有共存疾病及其影响因素研究中的应用。方法分别用Poisson分布、负二项分布和零膨胀模型来拟合居民共存疾病数量并分析聚集性,筛选出共存疾病的主要影响因素。结果拟合分布的结果显示,共存疾病数量不符合Poisson分布(χ~2=196. 419,P <0. 001),符合负二项分布(χ~2=6. 677,P=0. 154);聚集指数K=1. 779,过离散检验统计量O=15. 18> 1. 96,所以资料存在聚集性。零膨胀检验统计量Vuong=6. 58,P <0. 001,零膨胀模型要优于Poisson或负二项模型。零膨胀负二项回归分析显示:在负二项部分得出,年龄越大、有高强度运动、焦虑程度越高、体质指数越高、糖化血红蛋白(hemoglobin A1c,Hb A1c)水平越高、有糖尿病家族史、有高血压史、高收缩压和高水平胆固醇的居民发生共存疾病的数量会增加;在Logit部分得出,年龄越大、焦虑程度越高、体质指数越高、甘油叁酯水平越高、空腹血糖(fasting blood glucose,FPG)越高、有高血压家族史和高收缩压的居民发生慢性病的风险较大。结论居民患共存疾病有聚集性和零计数过多的特点,零膨胀负二项回归模型在拟合具有该类特点的数据中优势明显。(本文来源于《中华疾病控制杂志》期刊2018年10期）
张晓琳,付英姿,褚培肖[5]（2016）在《基于偏斜正态分布的零膨胀负二项层次回归模型的贝叶斯分析》一文中研究指出零膨胀负二项(ZINB)层次回归模型是分析散度偏大集群计数数据的有力工具,该模型的基本假设是随机效应和随机误差均服从正态分布。然而,在许多实际应用中,上述假设缺乏稳健性,且相关研究表明,个体内的随机误差以及随机效应将共同导致数据的非正态性特征。基于上述原因,文章将重点考虑基于偏斜正态分布的ZINB层次回归模型的贝叶斯分析问题,与经典的基于似然的方法相比,贝叶斯分析方法具有建模灵活,计算相对简便的优势,特别适合于层次结构较为复杂的模型。(本文来源于《统计与决策》期刊2016年02期）
秦飞[6]（2014）在《零膨胀负二项回归模型的推广及应用》一文中研究指出计数数据大量存在于公共卫生、保险精算和农业等众多领域,Poisson回归模型是分析计数数据的经典离散模型。Poisson回归模型要求事件发生的期望和方差相等,并且事件发生前后相互独立,但在实际问题中这两个前提条件往往不能满足。除此以外,实际的计数数据往往会存在大量取值为零的数据,这远超过标准模型所能预测的范围,表现为零膨胀现象。对于零膨胀数据,如果我们沿用普通的Poisson回归模型进行分析,对于数据中取值较小的部分会产生较大的偏差,此时ZI模型是分析此类零膨胀数据的有效方法。ZIP回归模型是当前处理ZI数据的首选模型,其表达式明确,处理上比较方便。实际应用领域中研究的零膨胀数据还会出现以下几种情况：1)非零部分相对于普通的泊松分布存在散度过大的情形；2)在纵向数据中,组内数据之间存在关联性；3)观测值存在缺失的情形；因此我们有必要对ZIP回归模型进行改进,考虑采用更合理的ZI模型来对实际的零膨胀数据进行拟合分析。本文仅考虑前面两种情形,第叁种情况有待进一步分析研究。传统的固定效应ZINB回归模型以NBⅡ分布为基础,能较好的解决偏大离差问题。本文首先介绍ZI数据、ZI模型的发展、相关预备知识；然后系统介绍固定效应下的ZINB回归模型,包括参数估计、零膨胀系数检验、偏大离差检验、统计诊断等内容。接着将其推广到以NBK分布为基础的ZINBK回归模型,讨论该推广模型下的参数估计、零膨胀系数检验、偏大离差检验、统计诊断等内容,并通过实际例子来比较分析NB, ZINB, ZINBK模型拟合效果的优劣。随后将ZINBK回归模型推广到带随机效应的ZINBKM模型,同样讨论参数估计、零膨胀系数检验、偏大离差检验、统计诊断等内容,并通过实例分析比较ZINB, ZIPM, ZINBM, ZINBKM模型拟合效果的优劣。最后对本文的后续研究工作做一个初步的预测和展望。(本文来源于《扬州大学》期刊2014-04-01）
徐昕,袁卫,孟生旺[7]（2012）在《零膨胀负二项回归模型的推广与费率厘定》一文中研究指出在费率厘定中,当索赔次数数据存在过离散(over-dispersion)特征时,通常会采用负二项回归模型,但当索赔数据中同时又出现零膨胀(zero-inflated)问题时,负二项回归模型不再适合对这样的数据进行分析.在传统的零膨胀负二项回归模型为基础,并将其推广到更为一般的形式,同时利用解决费率厘定中出现的既有过离散又有零膨胀的问题.通过对一组汽车损失数据的拟合,推广后的零膨胀负二项回归模型有效地改善了拟合效果.(本文来源于《系统工程理论与实践》期刊2012年01期）
徐昕,郭念国[8]（2011）在《两类零膨胀负二项回归模型在汽车保险定价中的应用》一文中研究指出讨论了两种分布形式的零膨胀负二项回归模型,并应用一组实际汽车保险损失数据对两类模型进行了实证比较.结果表明,对于具有零膨胀特征的损失数据,零膨胀负二项回归模型的拟合结果优于普通索赔频率回归模型.(本文来源于《南阳师范学院学报》期刊2011年12期）
王健[9]（2011）在《缺失数据下零点膨胀负二项回归模型的统计推断》一文中研究指出在现实生活中,计数数据广泛存在于金融、保险、临床医学、生物遗传学以及抽样调查等多个研究领域中,国内外学者对此类问题进行了广泛的分析研究,建立了各类应用背景下的计数数据模型。在上述模型中,Poisson回归模型是分析研究计数数据的重要模型,也是最基本的模型。Poisson回归模型要求事件的发生相互独立,事件的条件均值等于条件方差,但是,在实际研究分析中,这个前提往往难以得到满足,而负二项回归就是Poisson回归在这一情况下的一种扩展。在实际的计数数据的分析研究中,常由于各种原因导致观测数据中存在大量的零,当其比例远远超过Poisson回归或负二项回归的预测能力时,表现出零点膨胀现象(zero-inflated)。经典的零点膨胀计数数据模型,通过对零计数和非零计数建立混合回归模型,很好地解决数据中存在的过多零的问题。本文在Greene(1994)提出的零膨胀负二项回归模型(zero-inflated negative binomial, ZINB)的基础上,系统的讨论了计数数据建模的基本思想,单水平ZINB模型,双水平带随机效应的ZINB模型,以及缺失数据下的ZINB模型。现将本文的主要研究内容概述如下：(1)分析讨论了刻画计数数据的常用分布,对其数字特征,应用范围做了系统的介绍,并且详细介绍了计数数据建模的基本思想,尤其是对存在零点膨胀的计数数据的建模方法。(2)在完全数据模式下,针对不同的情况,分别讨论了单水平ZINB模型,以及双水平带随机效应的ZINB模型,并分别给出了针对零点膨胀的Score检验统计量以及相应的抽样分布和势。(3)基于Little和Rubin于2002年提出的缺失数据模式和缺失机制,我们分析研究了缺失数据下的ZINB模型,建立起了模型参数的ML估计程序以及模型选择标准,并在论文的最后给出了模拟研究。综上所述,针对存在零点膨胀以及缺失数据的计数数据,本文主要在ZINB模型的基础上,给出了完全数据下的ZINB模型以及相应的Score检验统计量,缺失数据下的ZINB模型的参数估计及模型选择标准,并给出了相应的模拟研究。(本文来源于《昆明理工大学》期刊2011-11-11）
郭福涛,胡海清,金森,马志海,张扬[10]（2010）在《基于负二项和零膨胀负二项回归模型的大兴安岭地区雷击火与气象因素的关系》一文中研究指出雷击火的发生与气象因子之间存在着密切的关系。该文选用符合大兴安岭地区林火发生数据结构的负二项(negative binomial,NB)和零膨胀负二项(zero-inflated negative binomial,ZINB)两种模型对大兴安岭林区1980–2005年间雷击火的发生与气象因素间的关系进行建模分析,并与以往研究中所使用的最小二乘(OLS)回归方法相对比。使用SAS和R-Project统计软件进行模型拟合运算,计算得出模型各参数。结果表明,NB和ZINB模型对数据拟合较好,模型内各气象因子显着性水平较高,对雷击火发生次数均具有较好的预测能力。运用AIC和Vuong等检验方法,进一步比较了NB和ZINB模型对数据的拟合水平以及模型预测水平,结果表明ZINB模型无论在数据拟合还是模型预测上都要优于NB模型。提出了大兴安岭地区林火发生与气象因子关系的最优模型。(本文来源于《植物生态学报》期刊2010年05期）
零膨胀负二项回归论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
计数数据广泛应用于医疗、生物和保险等诸多领域.泊松回归模型与负二项回归模型是分析这类离散型数据的重要模型.在实际计数中往往会出现相对于泊松分布或负二项分布过多的零,称之为零膨胀现象.分析此类数据的常见方法是零膨胀泊松(ZIP)回归模型和零膨胀负二项(ZINB)回归模型.但是,如果非零观测值过度分散并且具有相关性,则参数估计可能会出现严重偏差,导致传统的ZINB模型不能对其进行很好的拟合.提出了一种具有随机效应的多水平零膨胀负二项混合效应回归模型,并利用极大似然估计的EM算法对多水平零膨胀负二项混合效应回归模型进行参数估计.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
零膨胀负二项回归论文参考文献
[1].李林键,殷菲,伯贞艳,蒋小辉,张韬.基于零膨胀负二项回归的非梗阻性无精症患者细针抽吸术后镜检精子计数预测研究[J].现代预防医学.2019
[2].王博.基于EM算法的多水平零膨胀负二项混合效应回归模型的参数估计[J].高师理科学刊.2019
[3].王博.零膨胀负二项混合回归模型[J].大众投资指南.2019
[4].朱高培,朱乐乐,孟马承,吴学森.零膨胀负二项回归模型在共存疾病影响因素研究中的应用[J].中华疾病控制杂志.2018
[5].张晓琳,付英姿,褚培肖.基于偏斜正态分布的零膨胀负二项层次回归模型的贝叶斯分析[J].统计与决策.2016
[6].秦飞.零膨胀负二项回归模型的推广及应用[D].扬州大学.2014
[7].徐昕,袁卫,孟生旺.零膨胀负二项回归模型的推广与费率厘定[J].系统工程理论与实践.2012
[8].徐昕,郭念国.两类零膨胀负二项回归模型在汽车保险定价中的应用[J].南阳师范学院学报.2011
[9].王健.缺失数据下零点膨胀负二项回归模型的统计推断[D].昆明理工大学.2011
[10].郭福涛,胡海清,金森,马志海,张扬.基于负二项和零膨胀负二项回归模型的大兴安岭地区雷击火与气象因素的关系[J].植物生态学报.2010