导读:本文包含了齐性检验论文开题报告文献综述及选题提纲参考文献，主要关键词:部分核实数据,分层设计,齐性检验,Score统计量
齐性检验论文文献综述
刘多伟,邱世芳,何杰[1]（2019）在《基于有金标准下的部分核实数据对疾病流行率的齐性检验》一文中研究指出考虑了基于有金标准核实检验下的分层部分核实数据对疾病流行率的齐性检验问题,提出了加权最小二乘统计量、加权最小二乘统计量的对数变换、基于对数变换、logit变换和双对数变换的加权最小二乘统计量、Score和似然比检验统计量的检验过程,并通过蒙特卡罗随机模拟研究了各种检验的统计性质。模拟结果表明:基于Score统计量和似然比统计量的检验能很好地控制犯第一类错误的概率且具有较高的功效,因而被强烈推荐到实际应用中。实际数据分析进一步验证了本文所提方法的有效性。(本文来源于《重庆理工大学学报(自然科学)》期刊2019年05期）
胡优[2]（2019）在《多个2×2列联表的优势比齐性检验》一文中研究指出在病例对照、医学随访等流行病学研究中,为排除可能存在的混杂或效应修正的现象,常常需要将数据进行分层分析。当流行病学研究中的分组变量与暴露因素变量均为二分类变量时,我们便可将数据写成多个2×2列联表的形式。在评估暴露因素与疾病间因果关联以及估计公共优势比之前,首先需要检验各层列联表间的优势比是否相同,即齐性检验问题。优势比齐性检验方法根据优势比估计方法的不同可以分为M-H方法、非条件似然方法和条件似然方法。文献[10,33]发现条件似然方法较其他两种有更强的功效,该方法假设列联表双边和固定,即2×2列联表中四个频数变量均服从(非中心)超几何分布。目前已有的依托条件似然方法的优势比齐性检验主要分为两类:第一类针对优势比自身进行建模,即检验原假设H0:θ1=θ2=···=θK,其中K为列联表个数(层数),但是发现这类方法的检验统计量自由度会随列联表个数的增大而增大;另一类引入分层变量信息,建立对数优势比回归模型,即令log(θk)=α+β′zk,k=1,2,···,K,其中zk为分层变量,β为回归系数,该模型下优势比齐性检验问题简化为H0:β=0.但是,我们可以发现,目前已有的对数优势比回归模型检验方法中,均假设回归系数β为一个固定值,固定β情况下的模型限制太强,容易产生模型错误,如果模型错误则会导致相应方法损失检验功效。因此,本文建立了对数优势比混合效应模型,针对回归系数β,在已有的固定效应基础上,增加随机效应,提高模型的灵活性。针对固定效应与随机效应构造相互独立的得分检验统计量,其优点在于不仅可以更方便的得到各统计量的极限分布,在实际运用中还可以运用统计量的独立性质分析优势比非齐性的具体原因。另外,针对常用于结合两个独立检验统计量的Fisher方法和Tippett方法,本文提出直接将独立统计量相加的求和检验方法,并在不同数据结构下进行功效比较,发现其较一般条件似然得分检验方法及对数优势比回归模型下的Wald检验和似然比检验方法相比具有较强的稳健性、高效性及泛化能力。最后,目前已有的方法都用极限分布来确定检验临界值,但是本文以及某些文献[10,33]发现这种方法在小样本情况下无法较好的控制第一类错误率,为此本文提出了一种Bootstrap方法,该方法不仅能较好的控制检验的第一类错误率,有效地克服了极限分布方法的不足,而且适用于文献中所有的优势比检验方法。(本文来源于《华东师范大学》期刊2019-05-01）
刘多伟[3]（2019）在《分层二重抽样设计下疾病流行率的齐性检验及样本量确定》一文中研究指出在生物医学统计的研究中,常会对不同总体下的某种疾病的患病率进行比较,本文基于有金标准部分核实的分类数据,考虑了不同总体下的疾病流行率的齐性检验和样本量的确定问题。首先,对于疾病流行率的齐性检验问题,本文提出了七种检验统计量:加权最小二乘检验统计量、加权最小二乘检验统计量的对数变换检验统计量、基于对数变换、logit变换和双对数变换的加权最小二乘检验统计量、Score检验统计量和似然比检验统计量。模拟结果表明:基于Score检验统计量和似然比检验统计量的渐近检验过程能够很好地控制犯第一类错误的概率且具有较高的功效,因而被推荐到实际应用中。当样本量是中等样本或大样本时,基于对数变换、logit变换和双对数变换的加权最小二乘检验统计量的检验过程都能够很好地控制犯第一类错误并且有较高的经验功效,所以在实际中也推荐使用它们。其次,从显着性检验的角度研究了达到指定功效的样本量的确定,提出了基于加权最小二乘检验统计量、双对数变换的加权最小二乘检验统计量、Score检验统计量和似然比检验统计量的渐近样本量估计方法,模拟研究结果表明,在给定显着性水平下达到指定功效的样本量都随着敏感度η和样本核实比例k_1的增大而减少;基于Score检验统计量和似然比检验统计量的样本量要比加权最小二乘检验统计量、双对数变换的加权最小二乘检验统计量小,并且根据这两个检验统计量所得的样本量得到的经验功效都很接近给定的水平,因此被推荐于实际应用中。最后通过两个实际数据分析进一步验证了本文所提方法的有效性。(本文来源于《重庆理工大学》期刊2019-03-20）
孙慧慧,林金官[4]（2018）在《基于M估计的指数相关非线性混合效应模型的齐性检验(英文)》一文中研究指出方差和相关系数的齐性是纵向数据分析中常用假设之一,然而,这些假设未必合适.本文主要研究的是具有指数相关结构的纵向数据非线性混合效应模型,首先将Huber函数引入模型的对数似然函数中,利用Fisher得分迭代法得到模型参数的稳健估计(M估计),然后基于M估计对模型的方差和相关系数的齐性进行了Score检验,并给出了检验统计量的Monte-Carlo模拟结果.最后用一个实例说明了本文的方法.(本文来源于《应用概率统计》期刊2018年02期）
张超[5]（2017）在《多个总体大维协方差阵齐性检验问题》一文中研究指出近些年来,随着科技进步,大维数据在生物学微阵列、金融股票分析和质量控制图等诸多领域中扮演越来越重要的角色。随之而产生的一系列统计问题亟待解决。由于经典统计方法是建立在样本量n远大于数据维度p的条件之上,且明显落后于数据形式的发展。因此,我们不能把经典统计方法简单地应用于大维数据的分析上。本文中,我们运用U-统计量的相关知识,针对大维数据协方差阵的几种检验问题,提出了新的方法。这些检验问题皆是基于样本量n和数据维度p分别趋于无穷的假设。正是这一假设在一定程度上弥补了当数据维度升高时,传统统计方法的缺失。在本文中,首先,我们提出了一种新的方法来处理多总体大维协方差阵齐性的检验问题。其后,我们又提出了一个新的检验问题,即关于多组多总体大维协方差阵线性组合的检验问题。并分别给出了上述两个检验问题在原假设条件下的渐近分布,且分别证明了统计量的渐近性质。通过计算机模拟结果观察,我们会看到无论维度相对较小(例如p = 32),还是当维数较大(比如p = 256)时,我们的结果都表现良好。尤其当经典统计方法以及其他我们所列的几种统计方法或失效或效果不好时,我们所提出的统计方法的第一类误差仍十分接近提前设置的检验水平,并且功效能够十分快速地逼近于1。在线性模型理论中,我们需要一些假定。其中,为了得到随机变量的分布,我们要知道误差项的分布。在本文中,针对多组多维线性模型误差项协方差阵齐性的检验问题,我们将会进行简要介绍。叁个检验问题我们都不对数据的具体分布做要求。(本文来源于《东北师范大学》期刊2017-11-01）
金立斌,戴晓文,石磊[6]（2015）在《广义空间模型的方差齐性检验》一文中研究指出研究了广义空间模型的方差齐性检验问题,在异方差情形下导出了Score检验统计量的具体形式和近似分布.分别应用于混合空间自回归模型和空间误差模型,给出了相应的检验统计量和渐近分布.并利用Monte Carlo模拟对检验统计量的性质进行分析.最后,通过中国能源利用效率的区域特征数据证明了方法的有效性.(本文来源于《系统科学与数学》期刊2015年12期）
禹建奇[7]（2015）在《列联表的两种抽样模型以及齐性和独立性的检验问题》一文中研究指出本文讨论二维列联表数据的两种抽样模型,以及相关的齐性和独立性检验问题,说明两种抽样模型的联系,以及齐性及独立性检验的一致性.(本文来源于《教育教学论坛》期刊2015年14期）
李志财[8]（2014）在《方差齐性检验在检测质量控制中的应用》一文中研究指出F检验是数理统计中假设检验的一种,通过两个两本的方差计算统计量F的值,两个样本的方差无显着性差异时,F值都是小于等于某一预先设定值α的,如果F值大于α时,则认为发生了小概率事件,说明方差有显着性差异。一组数据的方差,在实验室中则表征了一组实验数据的精密度。将这一原理应用于实验室的检测质量控制中,是很好也很容易操作的判据。(本文来源于《现代测量与实验室管理》期刊2014年06期）
钟秀芝[9]（2014）在《零过多负二项回归模型的参数齐性检验》一文中研究指出零过多(zero-inflated)计数数据在各个领域中广泛存在,受到了人们越来越多的关注,至今仍然是统计分析中一个热门话题.本文分别针对具有偏大离差的普通负二项回归模型及零过多负二项回归模型,讨论了离差参数与零过多参数(ZI参数)的齐性检验问题.本文的主要结果是基于score检验方法对模型中离差参数和ZI参数同时齐性检验,离差参数具备齐性时ZI参数齐性检验以及ZI参数具备齐性时离差参数齐性检验问题进行了研究,并获得相应的检验统计量；此外我们还通过数值模拟方法探究了本文所提出的方法在有限样本下的效果；最后基于论文所给方法和结果具体分析了实际计数数据.(本文来源于《南京师范大学》期刊2014-03-30）
孙慧慧[10]（2013）在《基于M估计的具有一致相关线性混合效应模型中相关系数的齐性检验》一文中研究指出本文对纵向数据的线性混合效应模型,用Fisher Scoring方法得到了参数的M估计(稳健估计),研究了M估计下一致相关系数的齐性检验问题,并对检验统计量的功效进行了模拟,最后通过葡萄糖数据的实例说明了本文方法的有效性.(本文来源于《应用概率统计》期刊2013年05期）
齐性检验论文开题报告
（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：
在病例对照、医学随访等流行病学研究中,为排除可能存在的混杂或效应修正的现象,常常需要将数据进行分层分析。当流行病学研究中的分组变量与暴露因素变量均为二分类变量时,我们便可将数据写成多个2×2列联表的形式。在评估暴露因素与疾病间因果关联以及估计公共优势比之前,首先需要检验各层列联表间的优势比是否相同,即齐性检验问题。优势比齐性检验方法根据优势比估计方法的不同可以分为M-H方法、非条件似然方法和条件似然方法。文献[10,33]发现条件似然方法较其他两种有更强的功效,该方法假设列联表双边和固定,即2×2列联表中四个频数变量均服从(非中心)超几何分布。目前已有的依托条件似然方法的优势比齐性检验主要分为两类:第一类针对优势比自身进行建模,即检验原假设H0:θ1=θ2=···=θK,其中K为列联表个数(层数),但是发现这类方法的检验统计量自由度会随列联表个数的增大而增大;另一类引入分层变量信息,建立对数优势比回归模型,即令log(θk)=α+β′zk,k=1,2,···,K,其中zk为分层变量,β为回归系数,该模型下优势比齐性检验问题简化为H0:β=0.但是,我们可以发现,目前已有的对数优势比回归模型检验方法中,均假设回归系数β为一个固定值,固定β情况下的模型限制太强,容易产生模型错误,如果模型错误则会导致相应方法损失检验功效。因此,本文建立了对数优势比混合效应模型,针对回归系数β,在已有的固定效应基础上,增加随机效应,提高模型的灵活性。针对固定效应与随机效应构造相互独立的得分检验统计量,其优点在于不仅可以更方便的得到各统计量的极限分布,在实际运用中还可以运用统计量的独立性质分析优势比非齐性的具体原因。另外,针对常用于结合两个独立检验统计量的Fisher方法和Tippett方法,本文提出直接将独立统计量相加的求和检验方法,并在不同数据结构下进行功效比较,发现其较一般条件似然得分检验方法及对数优势比回归模型下的Wald检验和似然比检验方法相比具有较强的稳健性、高效性及泛化能力。最后,目前已有的方法都用极限分布来确定检验临界值,但是本文以及某些文献[10,33]发现这种方法在小样本情况下无法较好的控制第一类错误率,为此本文提出了一种Bootstrap方法,该方法不仅能较好的控制检验的第一类错误率,有效地克服了极限分布方法的不足,而且适用于文献中所有的优势比检验方法。
（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。
齐性检验论文参考文献
[1].刘多伟,邱世芳,何杰.基于有金标准下的部分核实数据对疾病流行率的齐性检验[J].重庆理工大学学报(自然科学).2019
[2].胡优.多个2×2列联表的优势比齐性检验[D].华东师范大学.2019
[3].刘多伟.分层二重抽样设计下疾病流行率的齐性检验及样本量确定[D].重庆理工大学.2019
[4].孙慧慧,林金官.基于M估计的指数相关非线性混合效应模型的齐性检验(英文)[J].应用概率统计.2018
[5].张超.多个总体大维协方差阵齐性检验问题[D].东北师范大学.2017
[6].金立斌,戴晓文,石磊.广义空间模型的方差齐性检验[J].系统科学与数学.2015
[7].禹建奇.列联表的两种抽样模型以及齐性和独立性的检验问题[J].教育教学论坛.2015
[8].李志财.方差齐性检验在检测质量控制中的应用[J].现代测量与实验室管理.2014
[9].钟秀芝.零过多负二项回归模型的参数齐性检验[D].南京师范大学.2014
[10].孙慧慧.基于M估计的具有一致相关线性混合效应模型中相关系数的齐性检验[J].应用概率统计.2013