应用混合线性模型分析危险因素对儿童身高增长率影响.pdfVIP

应用混合线性模型分析应用混合线性模型分析危险因素对儿童身高增长率影响危险因素对儿童身高增长率影响 应用混合线性模型分析应用混合线性模型分析危险因素对儿童身高增长率影响危险因素对儿童身高增长率影响 一、问题的提出： 假设 2-7 岁儿童身高与年龄呈直线增长关系，一个危险因素 X，影响儿童身高（Y）的增 长，有一项研究对 200 暴露组儿童与 200 个非暴露组儿童进行了随访观察，所有儿童都是 刚满 2 岁那天入选，测量基线身高，以后每周岁时测身高直到 7 岁。最后数据该如何分 析，什么统计方法分析 X 对身高增长的影响，检验效率较高呢？ 我们用 Y 表示儿童 i 在j 岁时测的身高，i=1,2,…,400；j=2,3,…,7；X=0 表示非暴露 ij 组，X=1 表示暴露组。 方法一方法一、线性回归、线性回归计算每计算每个儿童身高增长的斜率，然后对两组斜率进行比较个儿童身高增长的斜率，然后对两组斜率进行比较 方法一方法一、、线性回归线性回归计算每计算每个儿童身高增长的斜率，然后对两组斜率进行比较个儿童身高增长的斜率，然后对两组斜率进行比较 首先对每个儿童 2-7 岁时的身高与年龄进行线性回归， Y = β + β *j ij 0i 1i 其中，j=2,3,…,7, 每个儿童运行一个方程，求得每个儿童的斜率 β ，即平均每年身高 1i 增长值，再对两组斜率进行回归分析： β = β +β *X （模型 2） 1i 0s 1s 其中， β 为X=0 即非暴露组平均斜率（每年身高增长值）， β 为暴露组与非暴露组平 0s 1s 均斜率的差 反映 X 对儿童身高增长的影响。 在模型 2 中还可以引进其它协变量如性别、种族等以控制这些因素的影响。这个方法适用 于所观测指标与时间的关系是直线性关系，如果儿童身高的增长与年龄是曲线性关系，就 不适用了。计算每个儿童的斜率使用一般的统计软件都需要编程才能实现，但可使用 EmpowerStats（易侕统计）软件，其中有专用的数据管理模块可以直接计算每个观测对象 的斜率，而不需要人工编程。 方法方法二、混合线性模型二、混合线性模型 方法方法二二、混合线性模型、混合线性模型 所谓混合线性模型，是模型中混合了随机效应与固定效应。我们看 400 个儿童，每个儿童 6 次测量值，这 2400 个Yij 值的差异可以看成有两大部分组成，一是儿童在 2 岁时身高的 起点不同，这个是随机的，这是随机效应，二是危险因素 X 的作用与年龄的作用，这个看 成是固定效应，也是我们要分析的效应。建立模型如下： 2 2 Y = β + β *X + β *T + β *T + β *X*T + β *X*T （模型 2） ij 0i 1 2 3 4 5 其中 β （i=1,2,…,400）是400 个截距，表示随机效应；T=j-2。身高随年龄的增长 0i 2 是通过二项函数曲线 β*T + β *T 来拟合，X 对身高增长的影响反映在 β*X*T 、 2 3 4 2 β*X*T X 上。如果没有这两项，只有 β*X 在模型中，则表示 X=0 与X=1 两组身高随年龄 5 1 的增长曲线是平行的。数据分析时首先要判断的是模型4 能否简化成： Y = β + β *X + β *T + β *X*T （模型 3）