贝叶斯模型平均法的基本原理及其在logistic回归中的应用实例.docVIP

贝叶斯模型平均法的基本原理及其在logistic回归中的应用实例 中国卫生统计2007年10月第24卷第5期 贝叶斯模型平均法的基本原理及其在 logistic回归中的应用实例* 复旦大学公共卫生学院流行病学教研室(2o0032)张志杰彭文祥周艺彪庄建林姜庆五 ? 467? Hosmer和Lemeshow研究低出生体重婴儿影响因素的队列研究为例,分别以Bayesian模型平均法和逐步logistic回归法选 率仅为0.59,模型本身的不确定性是很大的,而逐步logistic回归法确定的最佳模型的后验概率(P(≠0ID)lt;0.032)要 远低于Bayesian模型平均法确定的最佳模型的后验概率(P(≠0fD)=0.12).从回归系数的估计值,标准误和P值比 较两种方法的结果发现.Bayesian模型平均法估计的精度较高,而逐步logistic回归法由于没有考虑模型本身的不确定性, 偏向于高估结果.结论BaYesian模型平均法考虑了模型本身的不确定性,其分析结果更可靠,在统计建模中具有较好的 应用前景. 【关键词】logistic回归模型;Bayesian模型平均法;模型不确定性;后验概率 通常的数据分析一般是先描述资料的基本特征, 然后指定某一个模型(如:logistic回归模型),通过两 阶段变量筛选法(two—stagemethod)¨J或逐步回归 法[]确定最佳模型,并