混杂效应和随机效应模型概要1.pptVIP

随机效应概念与混合效应模型(Concept of Random Effects and Mixed Effects Models) 余松林 教授(退休) 流行病学与卫生统计学系 华中科技大学 同济医学院 公共卫生学院 E-mail address：slyu6153@ * * 介绍内容 一. 统计模型的概念 二. 随机效应的概念与识别 三. 混合效应模型 四. 混合效应模型分析的例子 一. 统计模型的概念 统计模型是对资料结构的一种数学表述. 数量关系的概念化结构.包含两个元素 1.函数表达式: 描述结果变量与解释变量之间的关系(固定效应). 2. 误差表达式:描述结果变量观察值随机变异的概率分布(随机变异). 例如: 2种药物(A、B)治疗某种疾病的疗效分析。用均衡设计，每种药物治疗的病人数相等，都为n. 反应变量： Yij表示生化测定值，i=1,…,为病例编号，J=1,2为药物编号 自变量：药物种类(A,B)，令Xj= 第j种药物， 传统的统计分析方法（固定效应模型，效应为常数）为： （1）用单向方差分析模型表示为: Yij=μj+eij = μ+βj +eij , eij ~ N(0,σe2), Yij ~ N(μi, σe2) ， βj =μj-μ, H0:βj =0, 限制条件：Σβj=0 （2）用线形回归模型表示为： Yij=β0+βiXij+eij, ， Yij ~ N(β0+βiXij, σe2), H0:βi =0, 限制条件：βB=0 含随机效应的混合效应模型为: Yij=(β0 +γi )+βiXij+ eij, ， γi ~ N(0, σγ2), eij ~ N(0,σe2) 这时 Yij ~ N(β0+βiXij, γi2+σe2), Var( Yij)=Var(γi)+Var(eij) = γi2+σe2 ， * * Patient (i) yij Difference (yi1 – yi2)) ?i (Patient Mean) A (j=1) B (j=2) 1 20 12 8 16.0 2 26 24 2 25.0 3 16 17 -1 16.5 4 29 21 8 25.0 5 22 21 1 21.5 6 24 17 7 20.5 Mean 22.83 18.67 4.17 20.75 例1：A.B两种治疗药物在同一病人体内实验,采用区组随机化设计方案(即用药先后顺序是随机化的)，对每种药物处理后的反应变量进行测定.用6例病人.结果如下表. 构造三种模型: 完全随机设计模型：不考虑区组（病人）效应: Yij= μ+βj +eij , βj 为药物效应 随机化区组设计模型： 考虑区组（病人）效应： Yij= μ+βj +αi+eij 随机效应模型：病人是从病人总体中随机的，也存在随机误差，统计学中用病人间的方差来衡量这种随机误差.。 Yij= μ+βj +(γi)+eij == (μ +βj+ (γj+eij ), γj~N(0,τγ2),eij ~N(0,σe2) ， Var(Yij)= (τγ2+σe2) 在此简单情况下，(3)与(2)等价，但解释不同。在有缺失值情况下的结果不同。 * 模型一：完全随机设计模型: βJ：第J种药物效应 从上表估计模型参数: μ=20.75, αA=22.83-20.75= 2.08, αB=18.67-20.75=-2.08 差值(difference)=22.83-18.67=4.17(或α A ─αB=2.08-(-2.08)) Patient Treatment Difference (A – B) Patient Mean A B 1 20 12 8 16.0 2 26 24 2 25.0 3 16 17 -1 16.5 4 29 21 8 25.0 5 22 21 1 21.5 6 24 17 7 20.5 Mean 22.83 18.67 4.17 20.75 * 完全随机设计模型的PROC ANOVA 计算结果: Sum of Source DF