相關性二分法資料迴歸之樣本數的問題

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：22

、訪客IP：3.22.27.77

姓名

王睿愛(Ruei-Ai Wang) 查詢紙本館藏

畢業系所

統計研究所

論文名稱

相關性二分法資料迴歸之樣本數的問題
(Robust sample size formulae for testing the regression parameter when binary data are correlated)

相關論文

★ 不需常態假設與不受離群值影響的選擇迴歸模型的方法	★ 用卜瓦松與負二項分配建構非負連續隨機變數平均數之概似函數
★ 強韌變異數分析	★ 用強韌概似函數分析具相關性之二分法資料
★ 利用Bartlett第二等式來估計有序資料的相關性	★ 相關性連續與個數資料之強韌概似分析
★ 不偏估計函數之有效性比較	★ 一個分析相關性資料的新方法-複合估計方程式
★ (一)加權概似函數之強韌性探討 (二)影響代謝症候群短期發生及消失的相關危險因子探討	★ 利用 Bartlett 第二等式來推論模型假設錯誤下的變異數函數
★ (一)零過多的個數資料之變異數函數的強韌推論 (二)影響糖尿病、高血壓短期發生的相關危險因子探討	★ 一個分析具相關性的連續與比例資料的簡單且強韌的方法
★ 時間數列模型之統計推論	★ 複合概似函數有效性之探討
★ 決定分析相關性資料時統計檢定力與樣本數的普世強韌法	★ 檢定DNA鹼基替換模型的新方法 - 考慮不同DNA鹼基間的相關性

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

摘要
本論文研究之目的是利用Royall and Tsou (2003)所介紹的強韌概似函數的概念，提出利用二項分配來分析具相關性的二分法資料時，想要達到一定的檢定力所需要的正確樣本數公式。
我們的研究以三種不同的邏輯斯迴歸為例，結果顯示，根據二項分配實作模型所得到的樣本數遠小於正確的樣本數。模擬研究與實例分析也都得到相同的結果。

摘要(英)

Abstract
The aim of this research is to make use of the robust likelihood method proposed by Royall and Tsou (2003) to establish sample size formulae for testing parameter in logistic regression when binary data are correlated.
We adopted the binomial distribution as the working model and robustified the naïve likelihood using the robust technique by Royall and Tsou (2003). Robust sample size formulae for testing the regression parameter associated with the cluster-specific covariate is provided. The two versions of the sample size required to achieve a predetermined power, namely, the naïve and the robust formulae, are compared through simulations and analyses of several real data sets.

關鍵字(中)

★ 二分類相關性資料
★ 邏輯斯迴歸

關鍵字(英)

★ binary data are correlated
★ logistic regression

論文目次

目錄
第一章緒論................................................................................................................1
第二章強韌迴歸........................................................................................................2
2.1 二項實作模型修正項...................................................................................3
2.2 達到目標檢定力所需要的樣本數...............................................................5
第三章樣本數............................................................................................................7
3.1 簡單邏輯斯迴歸參數經過修正後樣本數和檢定力的關係…...................7
3.1.1 個別群集內的實驗個數不相同的情況............................................8
3.1.2 個別群集內的實驗個數都相同的情況........ ...................................10
3.2 複邏輯斯迴歸參數經過修正後樣本數和檢定力的關係.....................…..12
3.2.1 個別群集內的實驗個數不相同的情況............................................12
3.2.2 個別群集內的實驗個數都相同的情況............................................14
3.3 複邏輯斯迴歸參數經過修正後樣本數和檢定力的關係….......................16
3.3.1 個別群集內的實驗個數不相同的情況............................................16
3.3.2 個別群集內的實驗個數都相同的情況............................................17
第四章模擬研究........................................................................................................20
4.1. 樣本數之理論數據......................................................................................20
4.2 樣本數之模擬結果.......................................................................................28
4.3 使用模擬方法驗證理論數據.................................................................…..33
第五章實例分析........................................................................................................38
第六章結論................................................................................................................53
參考文獻......................................................................................................................54

參考文獻

參考文獻
1. Ahn, H. and Chen, J.J. (1997). Tree structured logistic model for over dispersed
binomial data with application to modeling developmental effects. Biometrics, 53,
435-455.
2. Chen, C.H. and Tsou, T.S. (2007). Parametric robust inference about regression
parameters for the correlation coefficient. Statistics, 41, 1-9.
3. Geert, M. and Louise M.R. (1999). An exponential family model for clustered multivariate binary data. Environmetrics, 10, 279-300.
4. James, F. R. (2000). Eliminating bias in randomized cluster trials with correlated binomial outcomes. Computer Method and Programs in Biomedicine, 61, 119-123.
5. Royall, R.M. and Tsou, T.S. (2003). Interpreting statistical evidence using
mperfect models: robust adjusted likelihood functions. Journal of the Royal
Statistical Society, Series B 65, 391-404.
6. Tsou, T.S. (2005). Inferences of variance functions- a parametric robust way.
Journal of Applied Statistics, 32, 785-796.
7. Tsou, T.S. (2006b). Robust Poisson regression. Journal of Statistical Planning and
Inference, 136, 3173-3186.
8. Tsou, T.S. (2007). A simple and exploratory way to determine the mean-variance
relationship in generalized linear models. Statistics in Medicine, 26, 1623-1631.
9. Weil, C.S. (1970). Selection of the valid number of sampling units and a
consideration of their combination in toxicological studies involving reproduction,
32 teratogenesis or carcinogensis. Food Cosmet Toxicol. 8, 177-182.
10. Williams, D.A. (1975). The analysis of binary responses from toxicological
experiments involving reproduction and teratogenicity. Biometrics, 31, 949-952.
11.鈴木豪志 (2007)，具相關性的二元資料之有母數強韌分析法，國立中央大學統計研究所

指導教授

鄒宗山(Tsung-Shan Tsou)

審核日期

2008-6-17

推文