मुख्य सामग्री पर जाएं

संकुल डेटा के लिए आंशिक रूप से रैखिक योजक मॉडल

वीहुआ झाओ, पीएचडी डी। बंद्योपाध्याय
चिकित्सा में सांख्यिकी। फरवरी 6, 2018

प्रकाशन देखें

सार

अंतराल [0,1] में पड़े समर्थन के साथ आनुपातिक डेटा, चिकित्सा और सार्वजनिक स्वास्थ्य के विभिन्न क्षेत्रों में एक आम बात है। जब ये डेटा क्लस्टर के रूप में उपलब्ध होते हैं, तो प्रतिगमन risk आधारित जोखिम मूल्यांकन का संचालन करते समय अनुमान दक्षता में सुधार करने के लिए ‐ क्लस्टर सहसंबंध के भीतर सही ढंग से शामिल करना महत्वपूर्ण है। इसके अलावा, कोवरिएट रोग की स्थिति को निर्धारित करते हुए (अनुपात) प्रतिक्रियाओं के साथ एक गैर-संबंध संबंध प्रदर्शित कर सकता है। मॉडलिंग अनुपात डेटा (जैसे संवर्धित बीटा रिग्रेशन) के लिए विभिन्न मौजूदा शास्त्रीय तरीकों के विकल्प के रूप में, जो अधिकतम संभावना, या सामान्यीकृत आकलन समीकरणों का उपयोग करता है, हम द्विघात परिक्षेपण फ़ंक्शन के आधार पर आंशिक रूप से रैखिक एडिटिव मॉडल विकसित करते हैं। अज्ञात गैरपरंपरागत कार्यों के लिए अर्ध eli संभावना अनुमान तकनीक और बहुपद स्प्लीन सन्निकटन पर निर्भर करते हुए, हम अपने मॉडल के पैरामीट्रिक भाग और गैरपरंपरागत भाग दोनों के लिए अनुमानक प्राप्त करते हैं और उनके बड़े ‐ नमूना सैद्धांतिक गुणों का अध्ययन करते हैं। हम व्यापक सिमुलेशन अध्ययन के माध्यम से अन्य विकल्पों पर हमारे प्रस्ताव के फायदे और उपयोगिता का वर्णन करते हैं, और एक नैदानिक ​​समय-समय पर अध्ययन से वास्तविक डेटासेट के लिए आवेदन करते हैं।

सरलीकृत चीनी)अंग्रेज़ीजर्मनहिंदीरूसी