纵向数据相关论文
纵向数据是由每个个体变量在时间或者空间上多次测量的数据构成,纵向数据既有时间序列数据的特点,又有截面数据的特点。增长曲线模......
本文针对指标较多的纵向数据,首先考虑对指标进行非线性划分,进而采取稀疏主成分分析对高维数据指标进行降维筛选,然后构建部分线......
目的 基于多变量纵向数据联合模型，探讨人群血脂异常对脑卒中发病风险的影响，为脑卒中的有效预防提供科学依据。方法 以陕西省西安市......
鉴于机器学习中聚类算法计算效率高、估计参数少、模型依赖弱等优点,本研究运用聚类算法识别纵向数据增长轨迹中存在的总体异质性,......
纵向数据作为截面数据与时间序列的一个有机结合,已被广泛地应用到社会科学、经济学及生物医学等领域。纵向数据结构可以有效地刻......
学位
目的:探究2型糖尿病患者用药依从轨迹及其影响因素，尤其是人格特质与用药依从的关系。方法:抽取北京市通州区和顺义区4个社区卫生服......
目的 探讨基于混合效应模型对短期纵向数据进行模拟，从而获得长期纵向数据这一方法的效果。方法 以金属镉的膳食暴露数据作为应用实......
目的 探索纵向数据分析中广义估计方程和混合线性模型在Python中的实现方法，拓展Python软件在统计分析中的应用。方法 通过Python软......
目前调节效应检验主要是基于截面数据,本文讨论纵向（追踪）数据的调节效应分析。如果自变量X和因变量Y有纵向数据,调节效应可分为三类......
在心理学和其他社科研究领域,大量实证文章建立调节效应模型,以分析自变量对因变量的影响是如何随着调节变量的变化而改变。过去10......
在统计学中,越来越多的人开始关注纵向数据以及纵向数据模型,有着十分广泛的应用,尤其在医学和社会学的研究领域,为人们的生活带来......
纵向数据是一类重要的数据类型,它在社会学、经济学、生物医学、传染病学以及其它的自然科学领域有着广泛的应用。回归模型常用来......
在社交网络高速发展的今天,每天都会有大量的网络数据产生,对网络数据的研究也愈加丰富和深入。网络数据包括反映网络结构的数据和......
目的:纵向数据是医学研究中常见的一种类型,在一些研究中,研究对象接受治疗后的发展轨迹可能不是来自同一总体的,即变化轨迹存在异......
假设有纵向观测数据(Yij,Xi(tij),tij),i=1,…,n,j=1,…,ni,其中tij是第i个体第j次观测时间点,Yij和Xi(tij)分别为时刻tij的实值的......
本文主要对如何充分利用纵向数据的组内相关性来提高对纵向数据半参模型的估计精度以及高维数据的变量选择问题进行研究。纵向数据......
纵向数据（集团数据或面板数据）,是对同一个个体进行多次观察,所得数据是相关的,不同个体观测所得的数据是独立的.广义线性模型是经典......
本文针对部分线性变系数模型,研究参数分量的变量选择。该模型既含有线性模型作为参数分量,又含有变系数模型作为非参数函数,是两......
回归分析是一种重要的统计推断方法。在实际应用中,它成为理论与实际联系最为密切的统计方法之一,是分析与处理数据、寻求数据之间......
在生物医学研究中，对一个个体的多个指标在不同时刻或不同地点进行重复测量，我们把得到的观测值视为多元纵向数据。这多个指标试图从......
半参数模型结合了非参数模型的灵活性和线性模型的简洁性。半参数模型是很重要的且在经济学、生物学和医学领域的研究中有着广泛的......
在经济学、气象学、生物学、流行病学和社会学等领域的研究工作中,经常会遇到高维数据、复共线性数据、纵向数据、重尾数据存在的......
医学随访研究中，纵向数据和生存数据往往伴随出现，并且通常相关联，对纵向数据和生存数据单独分析可能会导致有偏倚的结果。联合模型同......
目的 构建台湾地区35 ～ 74岁健康体检人群代谢综合征5年发病风险(个体化)预测模型.方法 在1997-2006年初次参加台湾美兆自动化健康......
目的 构建台湾地区30 ～ 59岁健康体检人群肥胖5年发病风险(个体化)预测模型.方法 选择1998 -2006年首次参加台湾美兆健康体检的30～59......
在经典回归分析中,人们通常假设回归模型满足Gauss-Markov假设:(1)随机误差项期望为零;(2)随机误差项具有等方差;(3)随机误差彼此......
纵向数据是由多个体在不同的时间点或者空间点处的若干次观测的数据构成,这类数据的一个很重要的特点是个体间的观测值通常是独立......
纵向数据是指对一组个体在不同时刻多次观测所得的数据,在实际中应用广泛。由于这类数据组间独立,组内相关的特点,传统的回归方法......
在临床试验与医学研究中,研究员通常会搜集到每个个体在不同时间点测量的纵向数据和时间相依的生存数据.早期他们都是对纵向数据与......
近年,随着大数据的应用逐渐融入人们的生活,对于能保留数据内部结构的降维方法逐渐引起重视,特别是在纵向数据上有着广泛的需求。......
纵向数据融合了截面和时间序列的信息,在生物学、医学、金融学和经济学等领域受到人们的广泛关注,而飞速发展的科技手段使人们常常......
目的:结合多个纵向生物标志物建立landmark模型,比较不同模型预测轻度认知障碍(Mild Cognitive Impairment,MCI)转化为阿尔茨海默......
学位
纵向数据是指对同一个体在不同时间或空间上进行重复观测而得到的数据,包含时间序列数据和截面数据,能够充分反应数据之间的复杂关......
零膨胀回归(Zero-Inflated简称ZI)模型已经应用于保险精算,医疗卫生以及社会经济等诸多领域,其用来解释计数数据出现零过多或过度......
目的:在医学研究中,许多研究在收集生存数据时,会同时采集随时间变化的纵向数据。一般采用混合效应模型分析纵向数据在时间上的轨......
函数型数据是一类重要的数据类型,它在社会学、经济学、生物医学、传染病学以及其它的自然科学领域有着广泛的应用.回归模型常用来......
帕金森病是一种常见于中老年人的进行性神经系统退化疾病。该疾病往往伴有多种运动症状和非运动症状。为了延缓这种疾病进一步恶化......
删失数据作为生存分析中常见的数据类型,受到了很多统计学家的关注。如果个体的生存时间无法被确切地观测到,而只知其小于某一时间......
在纵向数据中,常常出现缺失数据和时间相依协变量问题,直接采用传统的分析方法往往导致估计值结果有偏或有效性低。在随机缺失机制......
具有聚集性的不同类型的数据广泛的存在于实际分析中,如:正态型纵向数据、二值型纵向数据、计数型纵向数据等。为了能在表面上看起......
纵向数据兼有截面数据和时间序列的特点,在医学、生物学、经济学等领域极为常见.在纵向数据中,对同一个个体进行多次重复观测,其观......
纵向数据作为将横截面和时间序列信息融合起来的一种特殊数据,在许多现代应用学科中经常出现,譬如,生物学、医学和社会学等.这些数......
纵向数据在流行病学、生物医学等领域有着广泛的应用。例如在医学上,患者在看病过程中,对患者在不同时间内就诊过程中记录收集到的......
