论文2012-3.docVIP

基于广义线性模型的列联表的独立性检验及其实证分析 苏连塔 （泉州师范学院 数学与计算机科学学院，福建 泉州 362000） 摘要：全面研究了广义线性模型中的log-linear模型，介绍了三维列联表中三种属性的独立性类型及它们的log-linear模型，并通过具体实例进行了应用，改善了现行方法中的不足。 关键词：三维列联表 广义线性模型 log-linear模型 独立性检验 1.引言 在实际工作中，如果总体的特征是由三个属性指标A、B及C联合来反映，这就要考虑三维随机向量（A,B,C），假设A有个水平值，B有个水平值，C有个水平值，记为（A,B,C）的观测值中等于的个数，从而可形成的三维列联表。三维列联表在医学、药学、生物学的统计中有重要应用。如果记分别为（A,B）、（A,C）、（B,C）的观测值等于的个数，则可得由A、B及C中的某两个属性形成的二维列联表，如色盲和性别关系的二维列联表，可用常规的统计方法如Pearson检验、Fisher精确的独立性检验。对于三维或高维列联表，如吸烟、肺癌及性别关系的三维列联表，很多研究者通常转化为多张二维列联表进行统计分析，但这种缺伐综合性的分析方式是不可能以多个个别分析叠加出整体的多元联系的，再者只有满足一定的条件，才可把高维列联表压缩成低维列联表，否则会产生偏差，出现有偏比较，比较典型的例子为“Simpson悖论”。本文将采用广义线性模型中的log –linear模型进行三维列联表数据的独立性检验，结合实例考察其应用。 2.关于log-linear模型 2.1广义线性模型 广义线性模型是常见正态线性模型的直接推广，首先由Nelder和Wedderburn提出，它可以适用于连续数据和离散数据，特别是后者，如属性数据、计数数据。 对于广义线性模型应有以下三个概念： (1) 随机成分 假设响应变量的分布函数为，且有。 （2）系统成分 设为一个样本，为个常数，构造一个线性预测=，。 （3）连接函数 说明了线性预测和的关系：，。 通常假设Y服从指数分布族中的某一种分布，其概率密度函数为 ，其中为已知常数，为正则参数。 定理1：设Y的密度函数为， 则 证明：因为为正则参数， 得，因此 ==0，从而 另外，有 ，从而 故 2.2 log-linear模型 在广义线性模型中，取随机成分中的服从参数为的泊松分布，连接函数为，得到log- linear模型 （1）回归参数的估计 定理2：记，为单位矩阵，，， 令,根据Fisher-scoring 算法， 采用迭代式，其中为在第个步骤的估计。 对于设定的当进行到时，即停止迭代，可得的最大似然估计. （2）模型的整体拟合优度检验 定义1：假设,在广义线性模型中，称满足的为饱和模型的的最大似然估计。 模型的整体拟合优度检验通常采用对数似然比卡方检验。 似然函数， 对数似然比卡方为 它是以饱和模型的对数似然比为基准，计算对数似然比，衡量非饱和模型的拟合优度（或劣度）。 定义2：在广义线性模型中，记,则称为广义线性模型的残差平方和；若，则称为Deviance残差。 在大部分情况下，渐进服从自由度为的卡方分布。 定理3：在log-linear模型中，有 。 证明：因为服从参数为的泊松分布， 得，由， ， ， 因此 得 若， 故. 3.A、B、C的独立性类型及相应的log-linear模型 3.1 独立性的类型 一般的，属性指标A、B、C的独立性有如下常见的5种类型： 表1 独立性的类型 独立性 记号 A、B、C相互独立 [A][B][C] A和（B,C）相互独立 [A][BC] C给定后，A、B相互独立 [AC][BC] (A,B)、(A,C)、(B,C)相互独立 [AB][AC][BC] 3.2模型的表示 记为三维列联表的期望频数，可得各种独立性对应的log-linear模型如下表2所示： 表格中的是总平均，分别为.A、B、C对应在时的主效应，为A在和B在的二次交互效应，为A在和C在的二次交互效应，为B在和C在的二次交互效应 表2三维列联表的独立性模型 独立性 模型表示 [A][B][C] [A][BC] [AC][BC] [AB][AC][BC] 4.实例分析 4.1实例 为了研究吸烟、喝咖啡对心肌梗塞的影响，对来自55岁以下的男子的样本进行病例对照研究，得到如下的三维列联表 表3 病例对照研究的情况 每天喝咖啡的杯数 每天吸烟的根数 0 1-24 25-34 病例 样本 病例 样本 病例 样本 病例 样本 0 66 123 30 52