多水平logistic模型及其在流行病學調查數(shù)據中的應用.pdf

1、目的：探討多水平logistic模型的基本理論及其在流行病學調查數(shù)據上的應用，旨在研究多水平logistic模型在實際應用過程中的方法學問題，為以后層次結構數(shù)據的有效分析提供參考。
　　 方法：在流行病學中常常存在層次結構數(shù)據，這種數(shù)據的特性為組群間差異較大，而組群內的成員間趨向于一致，即呈現(xiàn)一定的聚集性。這時，傳統(tǒng)模型中數(shù)據間關于相互獨立和方差齊的假定有可能不成立。多水平logistic模型在處理結構數(shù)據時考慮到了數(shù)據的層次性

2、和聚集性，其基本思想是將總殘差分解到相應的各個水平，其中高水平單位之間的變異表示組間變異，低水平單位間的變異表示個體間差異，將各水平殘差表示為某些變量的函數(shù)，從而可分析其影響因素及變化趨勢。多水平logistic模型與一般logistic回歸模型的區(qū)別是：前者可以很好地處理存在組內聚集性的數(shù)據，可同時測量個體水平變異和組水平變異，可同時考慮固定效應和隨機效應，還可研究場景變量對于組群單位的影響，而這些都是后者不能分析和解決的。
　

3、　 本研究的主要內容包括多水平logistic模型理論的基本原理與方法、實例擬合過程(包括深圳市社區(qū)居民健康狀況調查和廣州市居民吸煙情況調查數(shù)據)、分析步驟、方法比較及結果解釋等。
　　 本研究的數(shù)據預處理采用SAS9.2軟件，多水平模型分析采用MLwiN和SAS9.2軟件，數(shù)據缺失值采用SAS9.2的MI過程進行處理。
　　 結果：實例應用表明多水平模型在處理層次結構數(shù)據時，能夠解決其有數(shù)據層次性、聚集性的問題，并且

4、能夠根據專業(yè)知識和實際情況將解釋變量處理為固定效應或者隨機效應，從而能夠得到更豐富，更全面的結果。將多水平模型與篩選變量后的logitistic回歸模型進行比較，前者的標準誤比后者更小，統(tǒng)計效果更顯著，且對于結果比后者有更合理的解釋性。將缺失值進行多元填補后，能夠得到比原始數(shù)據更可靠的結果。
　　 結論：多水平logistic模型理論在處理二分類層次結構數(shù)據時，提供了比傳統(tǒng)模型更接近于客觀情況的豐富信息。一般logistic回歸

5、模型簡單易行，但只能研究個體層面的信息和其固定效應，無法分析組群方面信息和哪些因素對結局變量的變異程度有影響，而且當數(shù)據存在聚集性時會出現(xiàn)偏誤，并且對于結果不能給出合理的解釋；多水平logistic模型充分考慮了數(shù)據間的相關性問題，可考慮層次信息，并且能夠同時研究個體變異和組間變異，能夠分析固體效應和隨機效應，對研究因素可做出準確的估計和假設檢驗。但是，多水平模型也有一定的局限性，如多水平模型要求低級水平和高級水平的殘差方差服從正態(tài)分布

6、或多元正態(tài)分布，參數(shù)估計較復雜，等等。另外，有層次結構的數(shù)據不一定需要做多水平模型分析，首先要看其組內相關性的大小，即是否存在組內聚集性，如果不存在數(shù)據聚集性，則用一般統(tǒng)計模型就可以了。在實際應用中，要結合專業(yè)知識和數(shù)據特征來選擇合適的統(tǒng)計方法。
　　 忽略層次結構數(shù)據的組群效應，將會以損失資料信息的完整性為代價，使統(tǒng)計結果失效，并有可能得出錯誤的結論。因此，在有層次結構的流行病學調查數(shù)據中，多水平logistic模型是一個很好