Bootstrap 方法及其应用.pdf

2 2 2
1
ΗûΗδΒδûöδ
Α 1
Η
Α
Α
Α
Α
ö
ΗΗδ
Η
δJournal ofΗδM athΗδem öaticalM edicine V o l. 19 NO. 3 2006
文章编号: 1004 4337 (2006) 03 0232 02 中图分类号: R 311 文献标识码: A · 方法评介·
ΗδΗδö Η
ΗδΗδΗ
ΗδΗδ
ΗΗδ
非参数 boo tstrap 方法及其应用
2 2
孔丹莉丁元林
(广东医学院预防医学教研室湛江 524023)
摘要: 目的: 介绍非参数 boo tstrap 方法在验证统计模型参数估计值稳定性方面的应用。方法: 采用非参数boo tstrap 方法验
证累积比数Logistic 回归模型参数估计值的稳定性。结果: 累积比数Logistic 回归模型中 6 个因素的- S 均小于 25% , 可认为
模型参数估计值的稳定性较好。结论: 采用非参数 boo tstrap 方法验证统计模型参数估计值的稳定性值得推广应用。
关键词: 非参数 boo tstrap 方法; 累积比数Logistic 回归模型; 稳定性
ö
考Η察统计模型参数估计值的稳定性, 最好的方法是增大频数分布为偏态时, 可用中位数作为点估计值, 用上下 2 5%
样本含量后用原方法重新拟合模型, 若得到的参灵敏估计值分位数作为的 95% 可信区间。
与原参数估计值接近, 则可认为原参数估计值的稳定性较好。 boo tstrap 方法分为参数法和非参数法。一般认为参数法
但实际工作中由于时间、人力、物力和财力的限制, 增大样本的效率高于非参数法, 但当原始资料分布不明确时, 非参数法
含量重新搜集资料, 实施起来非常困难。另一种常用方法是将优于参数法[4 ]。
原样本分成样本含量相等或不相等的两个或两个以上的亚样
2 实例分析
本, 分别对每个亚样本用原方法拟合模型, 若各个亚样本的参
数估计值与原样本的参数估计值相差甚微, 则可认为原参数我们对 367 例 2 型糖尿病患者的 36 个可能影响其生存质
[5 ]
估计值的稳定性较好。但选用这种方法的前提条件是原样本量的因素进行了调查, 采用累积比数L ogistic 回归模型进行
含量和分解以后的各个亚样本的样本含量应足够大。而采用分析, 按检验水准= 0 1, 离退休、生活事件、病程、并发症、健
基于原始数据的模拟抽样方法 boo tstrap 方法[1 ] 验证模康教育以及体力活动量 6 个因素有统计学意义。结果见表 1。
型参数估计值的稳定性则可以避免以上方法的不足。但国内
, 表 1 多因素累积比数L ogistic 回归模型拟合结果
少见报道。本研究以非参数 boo tstrap 方法验证累积比数
L ogistic 回归模型的拟合结果为例, 介绍非参数 boo tstrap 方变量名称参数估计值标准误 u p 参数估计值的 95%C I
法在验证统计模型参数估计值的稳定性方面的应用。
1 - 10. 0111 1. 1421 - - -
1 方法简介 2 - 5. 0471 0. 6162 - - -