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：81

、訪客IP：3.135.184.195

姓名	房錚(Chen Farng)  查詢紙本館藏	畢業系所	統計研究所
論文名稱	二元資料型態的R(個序列)與C(個時間點)的交叉設計的強韌概似推論法 (Robust likelihood inferences the RxC crossover designs for general binary data)
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)	交叉設計是臨床實驗中常用的實驗手法。為了分析二元資料型態的交叉設計，本文使用獨立伯努利模型作為實作模型，利用強韌概似函數方法強韌化實作概似函數，得到強韌華德檢定統計量、強韌分數檢定統計量、強韌概似比檢定統計量，由此可得到正確的統計推論。 我們利用模擬研究與實例分析，比較強韌華德檢定統計量、強韌分數檢定 統計量、強韌概似比檢定統計量與Schouten and Kester(2009)提出的SK 檢定統計量分析結果的差異。
摘要(英)	Crossover design is a commonly used experimental technique in clinical trials. In order to analyze crossover design for binary data, the independent Bernoulli model is used as the working model, and the robust likelihood function method is used to robustize the working likelihood function to obtain the robust Wald statistics, robust score statistics and robust likelihood ratio statistics in this paper. From these, we can get correct statistical inferences. Using simulation research and case analysis, we can compare the differences between the robust Wald test statistics, the robust score test statistics, the robust likelihood ratio test statistics and the SK test statistics proposed by Schouten and Kester (2009) analysis results.
關鍵字(中)	★ 二元資料 ★ 交叉設計 ★ 強韌概似函數	關鍵字(英)	★ Binary data ★ Crossover design ★ Robust likelihood function
論文目次	第一章 緒論, 1 第二章 文獻回顧, 2 第三章 二元資料型態下的AB|BA 交叉設計模型之強韌化, 4 3.1 AB|BA 交叉設計的實作模型, 4 3.2 強韌化AB|BA 交叉設計的實作模型, 7 3.2.1 修正項A, 7 3.2.2 修正項B, 8 3.3 常見的三種檢定統計量, 9 3.3.1 華德檢定統計量, 10 3.3.2 分數檢定統計量, 10 3.3.3 概似比檢定統計量, 10 3.4 交叉設計的實作模型的一般形式, 11 第四章 二元資料型態下的ABB|BAA 交叉設計模型之強韌化, 13 4.1 ABB|BAA 交叉設計的實作模型, 13 4.2 強韌化ABB|BAA 交叉設計的實作模型, 16 4.2.1 修正項A, 16 4.2.2 修正項B, 18 4.3 常見的三種檢定統計量, 21 4.3.1 華德檢定統計量, 21 4.3.2 分數檢定統計量, 21 4.3.3 概似比檢定統計量, 22 第五章 二元資料型態下的AAB|ABA|BAA 交叉設計模型之強韌化, 23 5.1 AAB|ABA|BAA 交叉設計的實作模型, 23 5.2 強韌化AAB|ABA|BAA 交叉設計的實作模型, 27 5.2.1 修正項A, 27 5.2.2 修正項B, 29 5.3 常見的三種檢定統計量, 34 5.3.1 華德檢定統計量, 34 5.3.2 分數檢定統計量, 34 5.3.3 概似比檢定統計量, 34 第六章 二元資料型態下的ABC|BCA|CAB 交叉設計模型之強韌化, 36 6.1 ABC|BCA|CAB 交叉設計的實作模型, 36 6.2 強韌化ABC|BCA|CAB 交叉設計的實作模型, 40 6.2.1 修正項A, 40 6.2.2 修正項B, 43 6.3 常見的三種檢定統計量, 50 6.3.1 華德檢定統計量, 50 6.3.2 分數檢定統計量, 51 6.3.3 概似比檢定統計量, 52 第七章 二元資料型態下的BAC|ACB|BCA 交叉設計模型之強韌化, 53 7.1 BAC|ACB|BCA 交叉設計的實作模型, 53 7.2 強韌化BAC|ACB|BCA 交叉設計的實作模型, 58 7.2.1 修正項A, 58 7.2.2 修正項B, 61 7.3 常見的三種檢定統計量, 68 7.3.1 華德檢定統計量, 68 7.3.2 分數檢定統計量, 68 7.3.3 概似比檢定統計量, 69 第八章 二元資料型態下的BBA|ACB|CAC 交叉設計模型之強韌化, 71 8.1 BBA|ACB|CAC 交叉設計的實作模型, 71 8.2 強韌化BBA|ACB|CAC 交叉設計的實作模型, 76 8.2.1 修正項A, 76 8.2.2 修正項B, 79 8.3 常見的三種檢定統計量, 88 8.3.1 華德檢定統計量, 88 8.3.2 分數檢定統計量, 89 8.3.3 概似比檢定統計量, 89 第九章 模擬研究, 91 9.1 資料生成方式, 91 9.2 計算參數的信賴區間的方式, 92 9.2.1 華德檢定推導出的的信賴區間, 92 9.2.2 分數檢定推導出的 的信賴區間, 93 9.2.3 概似比檢定推導出的的信賴區間, 93 9.3 計算參數1 的信賴區間與參數2  的信賴區間的方式, 93 9.3.1 華德檢定推導出的1 與2  的信賴區間, 94 9.3.2 分數檢定推導出的1 與2 的信賴區間, 94 9.3.3 概似比檢定推導出的1 與2  的信賴區間, 95 9.4 模擬結果, 96 第十章 實例分析, 154 10.1 實例(一)：AB|BA, 154 10.2 實例(二)：AB|BA、ABB|BAA, 155 10.2.1 AB|BA 實例分析, 155 10.2.2 ABB|BAA 實例分析, 156 10.3 實例(三)：ABC|BCA|CAB、BAC|ACB|BCA, 157 10.3.1 ABC|BCA|CAB 實例分析, 157 10.3.2 BAC|ACB|BCA 實例分析, 159 10.4 實例分析總結, 160 第十一章 結論, 162 參考文獻, 163
參考文獻	Bandyopadhyay, U., Basu, J. and Dutta, G. (2015). Crossover design in clinical trials for binary response. Journal of Applied Statistics, 42: 2100-2114. Kenward, M. G. and Jones, B. (1991). The analysis of categorical data from crossover trials using a latent variable model. Statistics in Medicine, 10: 1607-1619. Lui, K. J. and Chang, K. C. (2016). Exact tests in binary data under an incomplete block crossover design. Statistical Methods in Medical Research, 27: 579-592. Matthews, J. N. S. (1989). Estimating dispersion parameters in the analysis of data from crossover trials. Biometrika, 76: 239-244. Royall, R. M. and Tsou, T. S. (2003). Interpreting statistical evidence by using imperfect models: robust adjusted likelihood functions. Journal of the Royal Statistical Society, Series B, 65: 391-404. Schouten, H. and Kester, A. (2009). A simple analysis of a simple crossover trial with a dichotomous outcome measure. Statistics in Medicine, 29: 193-198.
指導教授	鄒宗山(Tsung-Shan Tsou)	審核日期	2023-7-11
推文	facebook   plurk   twitter   funp   google   live   udn   HD   myshare   reddit   netvibes   friend   youpush   delicious   baidu
網路書籤	Google bookmarks   del.icio.us   hemidemi   myshare