Questions tagged «case-control-study»

1
下采样会改变逻辑回归系数吗?
如果我有一个非常罕见的阳性类别的数据集,并且对阴性类别进行了下采样,然后执行逻辑回归,是否需要调整回归系数以反映我改变了阳性类别的患病率这一事实? 例如,假设我有一个包含4个变量的数据集:Y,A,B和C。Y,A和B是二进制的,C是连续的。对于11,100个观察,Y = 0,对于900个Y = 1: set.seed(42) n <- 12000 r <- 1/12 A <- sample(0:1, n, replace=TRUE) B <- sample(0:1, n, replace=TRUE) C <- rnorm(n) Y <- ifelse(10 * A + 0.5 * B + 5 * C + rnorm(n)/10 > -5, 0, 1) 给定A,B和C,我拟合了logistic回归来预测Y。 dat1 <- data.frame(Y, A, …

1
当结果变量不是病例/对照状态时,估计病例对照设计中的逻辑回归系数
考虑通过以下方式从大小为的总体中采样数据:对于NNNk=1,...,Nk=1,...,Nk=1, ..., N 观察个体的“疾病”状态kkk 如果他们患有疾病,则以概率将其包括在样本中pk1pk1p_{k1} 如果他们没有疾病,则以概率包括他们。pk0pk0p_{k0} 假设您观察到二元结果变量和预测变量向量,对于这种方式采样的对象。结果变量不是 “疾病”状态。我想估计逻辑回归模型的参数:YiYiY_iXiXi{\bf X}_ii=1,...,ni=1,...,ni=1, ..., n log(P(Yi=1|Xi)P(Yi=0|Xi))=α+Xiβlog⁡(P(Yi=1|Xi)P(Yi=0|Xi))=α+Xiβ \log \left( \frac{ P(Y_i = 1 | {\bf X}_i) }{ P(Y_i = 0 | {\bf X}_i) } \right) = \alpha + {\bf X}_i {\boldsymbol \beta} 我只关心(对数)比值比ββ{\boldsymbol \beta}。拦截与我无关。 我的问题是:我可以通过忽略采样概率\ {p_ {i1},p_ {i0} \},i = 1,...,n并像拟合模型一样来获得ββ{\boldsymbol \beta}的合理估计这是普通的随机样本吗?{pi1,pi0}{pi1,pi0}\{ p_{i1}, p_{i0} \}i=1,...,ni=1,...,ni=1, …


1
带有荟萃分析的频率论方法和贝叶斯方法之间有什么区别?
假设我正在执行一项针对特定健康措施的分析。我对患者和对照组之间在该指标上的差异以及差异是否与0感兴趣。过去有研究针对我相同的研究问题和健康指标,但对患者的样本不同。 在贝叶斯分析中,我将基于先前的研究(包括均值差和标准误差)建立先验分布。 如果这是一个新手问题,请原谅我,因为我正在学习贝叶斯统计数据,但是贝叶斯分析的结果与使用反向方差加权荟萃分析结合了来自贝叶斯统计的均值差异估计的结果在哪些方面有所不同?使用我当前的数据进行的先前研究?
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.