2×2列联表中归因风险的统计推断

2×2列联表的统计推断在现代医学,各种临床试验以及现代生物学的研究中通常是感兴趣的问题,其中归因风险的统计推断经常出现在流行病学和健康服务研究中.本文我们针对2×2列联表中归因风险的统计推断给出了一种新的方法,利用2×2列联表中边际和条件概率提出了Score检验,给出了建立在置信区间之上的Score检验的描述.并对Score检验和似然比检验的效果进行评价,依据覆盖概率、左尾错误率及右尾错误率得出结论:Score检验与似然比检验相比更有效.     

含结构零2×2表中风险比齐性检验的样本量研究

本文研究了在临床和流行病学中出现的K个独立含结构零的2×2列联表.利用风险比推导出基于Wald型,基于对数变换型以及基于Score型的三个检验统计量,以检验层间齐性假设,获得了分别基于这三个检验统计量的控制功效的样本量公式和数值实验结果.模拟研究表明基于Score检验和基于对数变换检验的样本量公式比基于Wald检验的样本量公式更精确,更能有效保证预先给定的功效.推广了基于列联表问题的假设检验方法.     

抽样调查资料的列联表

分析抽样调查获得资料时,常使用列联表.当采用分层、整群、多阶、不等概等抽样技术时,被调查总体中的各单元被抽中的概率常常是不等的,这时列联表各小格的数值不应是简单的累计频数.本文就常见的几种抽样技术给出正确构造列联表的方法.     

2×2列联表中二属性相关的Bayes检验

2×2列联表中二属性相关的假设检验是定性数据分析中的热点问题,针对此问题的研究频率学派已做过大量的工作,其理论方法已趋于成熟.利用Bayes检验研究2×2列联表中二属性的相关性迄今为止国内外的相关文献还为数不多.将依据Bayes理论对此问题提出新的检验方法,推出其Bayes因子计算公式,利用正态近似研究三项假设计算出有关的后验概率,不仅解决了频率学派难以处理的问题,并且为吸烟有害健康提供了理论支撑.     

形成过程不同的列联表的检验

在研究列联表的假设检验时，列联表的不同形成过程经常被忽视。本文强调了列联表的形成过程（与抽样目的有关）和零假设，并举例说明列联表的形成过程不同和所关心的侧重点不同会影响所做的检验结果。     

R×C 列联表中的秩次统计量和多重比较

R×C 列联表在计数资料的统计分析中居重要地位.X~2检验是分析 R×C 列联表的经典方法,除研究纵向和横向两个因素间是否具有关联性外,X~2检验也可用以研究列与列间或行与行间是否具有显著性差异.但是,哪几列间有显著性差异,哪几列间无显著性差异,却未能回答.这里,我们把细致地寻找列与列间或行与行间差异之确切所在称为多重比较.     

列联表信息相关系数的统计检验

针对度量列联表行列变量相关强度的信息相关系数,本文利用信息相关系数的概率函数,提出了信息相关系数P值法的理论检验方法,由于该方法计算量大,在实际应用中需要用简单的方法来取代。对简单的四格表,通过理论分析和计算机模拟,验证了P值法可用确切概率法取代,而确切概率法又可用简单的X~2法来取代。在此基础上,将X~2检验法推广到一般列联表的信息相关系数的检验,从而较好地解决了列联表相关系数从检验到计算的问题。     

有缺失数据的2×2×2列联表的参数估计

本文讨论了缺失数据的 2× 2× 2列联表的参数估计问题 ,通过给出适当的模型和观测数据模式 ,我们给出了各列联表各细胞参数的估计 ,并且证明这些估计是G -Markov的     

线性混合模型方差分量的检验

对于含有两个方差分量的随机效应设计阵为任意阵的线性混合模型的方差分量单边检验问题给出了精确的F检验和基于广义p值的检验.对于给出的精确的F检验给出检验存在条件以及是一致最优无偏检验的条件.通过数值模拟,基于广义p值检验的功效和犯第一类错误的概率被讨论,由模拟结果可以看出基于广义p值的检验很好地控制了犯第一类错误的概率.     

分层含结构零2×2列联表基于风险比的同时置信区间估计

对分层含结构零2×2列联表中风险比的同时置信区间估计问题,提出五种基于似然比统计量、Score统计量、Wald统计量和对数变换Wald统计量的同时置信区间及三种Bootstrap同时置信区间。并采用Bonferroni,Single-step adjusted MaxT和Single-step adjusted MinP三种多重检验过程计算临界值。通过同时置信区间覆盖概率、覆盖宽度和Mesial非覆盖概率与非覆盖概率之比(RNCP)的模拟研究比较了置信区间的统计性能。结果表明,MinP检验过程下基于Score统计量的同时置信区间具有令人满意的结果,即这个区间的覆盖概率非常接近置信水平,且Mesial非覆盖概率与非覆盖概率之比(RNCP)均在[0.4,0.6]之间。最后通过实例分析对所提方法进行验证。     

多应答数据下列联表的检验

本文讨论多应答数据(Multiple Column Responses)下列联表的独立性检验问题, 针对对立假设为序假设的情形, 提出一个近似$F$检验. 模拟表明, 该检验的名义水平与真实水平接近, 并有较高的功效.     

多元Beta分布特性分析

利用小样本截尾序贯检验理论,在武器系统对空中目标的命中精度检验问题中,遇到了一类多元Beta概率分布函数,讨论分析了多维Beta概率分布函数的特性并给出了概率计算表.结果对武器精度检验具有重要意义和实用价值.     

列联表分析及在SPSS中的实现

本文首先介绍了列联表的一致性与独立性检验、相关分析、某些特殊统计量等内容 ,然后说明了上述分析在SPSS9.0中的实现 ,并最终结合实例进行了应用     

���������ع�ģ���з�������ľ�ȷ����

本文利用广义p-值和广义置信区间的概念构造 含有三个随机效应的套误差分量模型中方差分量的几种新的精确检验和置信区间, 并讨论它们在尺度变换下的不变性. 模拟结果表明, 基于广义p-值的检验很好地控制了犯第一类错误的概率.     

有序分组资料的线性趋势检验的确切概率计算

有序分组资料的线性趋势检验主要用于检验几个二项总体反应率的线性趋势；在医学与生物学中最典型的用途是研究剂量和反应的关系． 如果用Ｚ检验来代替通常在本检验中所用的卡方检验，就可容易地导出本检验的确切概率计算方法，和其他２×Ｃ有序列联表有着相同的形式．本文给出了该检验的确切概率计算方法．     

关子重复试验中的两类误差的用法

有重复的正交试验中,由各号试验重复若干次可得到误差,由正交表的空列(如果还有空列)也可得到误差,检验各因素(包括交互作用)的显著性时,如何使用这两类误差?[1]中将这两类误差一律合并使用,[2]的用法不同,先对由空列得到的误差作显著性检验,然后确定是否合并.本文对这两种不同的用法进行讨论,抛砖引玉,欢迎同志们批评指正!     

具有高安全性和有效性的Ⅱ期两阶段临床试验

Ⅱ期临床试验的主要目的是对药物治疗的安全性和有效性进行评估.针对具有高安全性的Ⅱ期两阶段临床试验,给出小样本量下关于安全性和有效性的精确检验方法,并证明最大Ⅰ类错误概率与Ⅱ类错误概率分别在原假设和备择假设的边界处达到.在期望样本量最小原则下,给出最优两阶段设计的构造方法和常用设计表,供实际应用选用.     

一类分类数据列联表中基于检验功效的样本量研究

对不完全2×2列联表中关于风险比（RR）的假设检验问题,使用基于约束性极大似然估计下的Wald检验统计量和对数变换检验统计量,导出了满足预先给定功效的样本量公式．模拟结果验证了所给检验和样本量公式的合理性,实例分析解释了上述方法的应用．     

贝叶斯对数线性估计

用Logits变换方法来讨论列联表的贝叶期估计，这时的估计称为贝叶斯对数线性估计，最早是由Lconard（1973，1975）提出的．Leonard讨论了二维表的对数线性贝叶斯估计；其后，Nazerat（1987）给出了三维表的贝叶斯对数线性估计．该文采用矩阵求微商方法，立足于高维表贝叶斯线性估计的较一般的表达形式；具体对四维表讨论员叶斯对数线性估计的表达和计算．     

关于正交表的特性、造法与唯一性(续)

本节的任务是适应正交设计实际应用的需要,从纯数学的角度研究正交表中二列的交互列(又叫交互作用列),着重研究与交互列密切相关的正交表的并列式改造,它是“并列法”的理论基础,又是下节研究正交表的唯一性所需要的.至于如何利用交互列来安排试验,这里就不进行讨论.