成對設計下半陽性預測值的強韌概似函數推論

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：75

、訪客IP：18.191.13.255

姓名

江為民(Wei-Min Jiang) 查詢紙本館藏

畢業系所

統計研究所

論文名稱

成對設計下半陽性預測值的強韌概似函數推論
(Robust likelihood inferences for comparing the semi-positive values of diagnostic procedures in paired designs)

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]

至系統瀏覽論文 (2026-12-31以後開放)

摘要(中)

癌症篩檢上，不僅是得病與否受人關注，腫瘤位置也十分重要，因此Lim et al. (2018)提出半陽性預測值(Semi-Positive Prediction Value)與半敏感度(Semi-Sensitivity)兩個新指標，並且在成對設計下以聯合分配為基礎，使用Bennett (1972)的統計方法，提出了比較兩個篩檢的半陽性預測值與半敏感度的卡方檢定統計量。
本文提出比較兩個篩檢的半陽性預測值的強韌化概似函數的方法。相較於上述的聯合分配，我們假設資料獨立，也就是忽略相關性，使用獨立下的實作模型。針對感興趣的參數，即兩個篩檢的半陽性預測值之差異，我們將實作概似函數強韌化，提出強韌的，基於正確的概似函數的統計量。我們以模擬的方式來比較我們的強韌統計量與其他現有的檢定統計量的表現。

摘要(英)

Robust likelihood inferences for comparing the semi-positive values of diagnostic procedures in paired designs

Abstract

In cancer screening, not only the disease is concerned, but also the location of the tumor is very important. Therefore, Lim et al. (2018) proposed semi-positive predictive value and semi-sensitivity two new indicators, and based on joint distribution in paired designs, using the statistical method of Bennett (1972), a chi-square test statistic comparing the semi-positive predictive values and semi-sensitivity of the two screening tests was proposed.
This paper presents a method for comparing the semi-positive predictive values of two screens with a robust likelihood function. Compared with the above-mentioned joint distribution, we assume data independence, that is, ignore the correlation, and use the working model under independence. For the parameter of interest, that is, the difference between the semi-positive predictive values of the two screens, we robustify the actual likelihood function and propose a robust statistic based on the correct likelihood function. We utilize simulations to compare our statistic and other current existing test statistics.

關鍵字(中)

★ 強韌概似函數
★ 篩檢
★ 成對設計
★ 陽性預測值
★ 半陽性預測值

關鍵字(英)

論文目次

目錄
摘要 i
Abstract ii
致謝詞 iii
目錄 v
圖目錄 vi
表目錄 vii
第一章緒論 1
第二章卡方檢定統計量 5
第三章實作模型 7
3.1概似函數 7
3.2最大概似估計量 9
3.3實作模型下參數估計的一致性 11
第四章強韌化計算 13
4.1強韌化概似函數 13
4.2矩陣之計算 14
4.3修正項之計算 16
4.4矩陣之計算 20
4.5修正項之計算 25
4.6參數之強韌分數統計量 27
4.7參數之強韌華德統計量 30
4.8參數之強韌概似比統計量 31
第五章模擬研究 33
5.1資料生成方式 33
5.2模擬結果 36
第六章實例分析 160
6.1乳癌資料分析 160
6.2大腸癌資料分析 161
第七章結論 164
參考文獻 165

參考文獻

參考文獻

Bennett BM. On comparisons of sensitivity, specificity and predictive value of a
number of diagnostic procedures. Biometrics 1972;28(3): 793–800.
doi: 10.2307/2528763.
Lee J, Voytovich A, Pennoyer W, Thurston K, Kozol RA. Accuracy of colon
tumor localization: Computed tomography scanning as a complement to
colonoscopy. World J Gastrointest Surg. 2010; 2(1): 22–25.
doi:10.4240/wjgs.v2.i1.22
Lim Y, Choi JS, Kim K, Park M, Kim S. Comparative analysis of diagnostic
procedures for tumor detection rates in paired data. Stat Methods Med Res.
2019 ;28(5):1477–1488. doi: 10.1177/0962280218763977.
Royall RM and Tsou TS. Interpreting statistical evidence by using imperfect
models: robust adjusted likelihood functions. J R Stat Soc B 2003; 65(2):
391–404. doi:10.1111/1467-9868.00392.

指導教授

鄒宗山

審核日期

2023-7-25

推文