检索结果-内蒙古大学图书馆

作者：姜红燕上海师范大学

学位级别：博士

公共卫生学、医药学、社会学、经济学等领域经常出现离散型的响应数据,比如在临床医学试验中,药物是否有效,是否有毒性,服药后的呕吐次数等响应值为二值或计数型,此类数据之间通常会用广义线性混合效应模型来建模.广义线性混合效应模型... 详细信息

公共卫生学、医药学、社会学、经济学等领域经常出现离散型的响应数据,比如在临床医学试验中,药物是否有效,是否有毒性,服药后的呕吐次数等响应值为二值或计数型,此类数据之间通常会用广义线性混合效应模型来建模.广义线性混合效应模型是在固定效应模型的基础上引入随机效应,使得模型既能刻画数据的平均变化趋势,又能刻画数据的相关结构.在已有的工作中,大都假设给定混合效应之后,响应之间的相关性完全由混合效应来描述,个体的多个观察响应值之间是相互条件独立的.其实,个体的混合效应一旦确定之后,个体随时间变化的一系列重复响应之间还存在相关性,此类的数据被称为纵向数据,仅仅通过混合效应来描述其相关性是不够的.比如在药物试验中,为研究药物在人体内的代谢过程,需对药物在试验个体血液中的浓度进行多次重复测量,因此同一个体的多个测量值之间应该是相关的.与混合效应模型相比,纵向数据下广义线性混合效应模型的最优设计问题存在一定的复杂性,主要表现在四个方面:一是除了随机效应以外,响应之间随时间变化的相关性如何建模,此时的模型中会出现更多的相关性结构,二是由于广义线性模型是一类非线性模型,设计准则与固定效应参数、随时间变化的相关性结构中的参数以及由随机效应引入的方差结构中的参数有关,三是每个个体的试验次数与设计变量的值可能相同也可能不相同,四是多响应下,每种响应的观测次数与观测时刻点可能相同也可能不同.本文的研究宗旨之一是如何对此类纵向离散响应数据进行建模,以及如何科学有效地安排试验,使得能用少量的试验次数获得对所建模型具有最有效的统计信息.通过借鉴并发展线性混合效应模型下的建模与分析方法,研究单(多)响应具有混合效应的广义线性模型的最优设计和稳健设计.另外,由于广义线性混合效应模型的最优设计依赖于模型参数,相关的稳健设计有待进一步的研究,本文基于数论方法,讨论一种对最大最小设计准则和超立方体设计准则的改进方法,并以Poisson混合效应模型为例说明该方法的有效性.本文研究工作主要包括下面五个部分:Ⅰ.纵向数据Poisson混合效应模型的最优设计本章把Niaparast(2010)的结果(ρ=0,响应之间条件独立)推广至纵向数据的情形(0≤ρ≤1).AR(1)结构建立纵向数据之间随时间变化的时间序列模型,利用拟似然方法给出模型的近似信息矩阵.为克服局部D-最优设计对模型参数的依赖性,在给定参数的先验分布时,给出了模型的伪贝叶斯最优设计;由于先验分布对最优设计仍存在一定的影响,进一步地,考虑模型的多层伪贝叶斯最优设计.结果显示,在试验经费受限的前提下,纵向数据自相关系数、费用比值均对最优设计有一定的影响.利用D-相对效率,将等距设计与多层伪贝叶斯最优设计也进行了比较.Ⅱ.纵向数据多响应线性混合效应模型的D-最优设计本章考虑纵向数据多响应线性混合效应模型(模型阶数≤4)的D-最优设计问题,利用AR(1)自相关过程描述某个指标重复观测响应之间的相关性.发现一旦给定线性回归的阶数,多个响应之间的相关系数对最优设计点位置的影响很小,特别是重复观测响应向量的自相关系数比较大的时候.在试验经费受限制的条件下,对D-最优设计与等距设计的效率进行了比较,发现自相关系数越大,设计点个数越多,两者的差别越小.还讨论了线性回归模型阶数未知时的稳健设计,发现自相关系数很小时,选择回归阶数尽可能高的线性模型,其对应的D-最优设计效率最高,其次是等距设计;而当自相关系数很大时(接近1),等距设计和对阶数的任意假设所得的D-最优设计效率相差无几(除了模型阶数为3的情形).Ⅲ.纵向数据多响应Logistic混合效应模型的最优设计本章考虑纵向数据多响应Logistic混合效应模型的最优设计问题.借助二值响应的模型分解和罚拟似然估计方法得到模型的近似信息矩阵.在试验费用有限制的条件下,得到了D-最优设计,并且发现纵向数据之间的自相关系数对设计还是有比较大的影响.由于近似信息矩阵中是含未知固定效应参数的,所得的D-最优设计其实是局部最优设计,为解决这个问题,考虑伪贝叶斯最优设计准则,结果显示伪贝叶斯最优设计准则对纵向数据之间的自相关系数(取值超过0.01)保持了稳健性,新增个体费用与新增一次重复观测费用的比值对最优设计有显著的影响.Ⅳ.不平衡设计下纵向数据多响应混合效应模型的最优设计本章考虑不平衡设计下纵向数据多响应混合效应模型的最优设计问题,多响应为离散-连续混合的情形,且各个响应指标的试验观测次数、观测点可能不完全一致.本章依然采用二值响应的模型分解和罚拟似然估计方法得到模型的近似信息矩阵,利用模拟退火算法得到模型的不平衡D-最优设计,并给出了两个模拟算例.最后,将平衡设计下的线性试验经费函数推广至不平衡设计的情形,据此定义给出不平衡设计下的相对D-效率的定义.Ⅴ.Poisson混合效应模型的一种改进的

关键词：广义线性混合效应模型 Poisson混合效应模型 Logistic混合效应模型线性混合效应模型纵向数据多响应 D-最优设计伪贝叶斯最优设计最大最小设计超立方体设计多层伪贝叶斯最优设计不平衡设计

来源：评论

学校读者我要写书评

暂无评论

广义线性混合效应模型在分类重复测量资料中的应用

引用

中国卫生统计 2007年第5期24卷 486-487,492页

作者：罗天娥刘桂芬山西医科大学卫生统计教研室 030001

目的探讨分类重复测量资料广义线性混合效应模型(GLMMs)建模及SAS8.0的GLIMMIX宏实现。方法利用GLIMMIX宏ERROR和LINK语句来指示反应变量的分布及连接函数,通过REPEATED和RANDOM语句的TYPE选项选择合适的方差-协方差结构矩阵来模拟数据... 详细信息

目的探讨分类重复测量资料广义线性混合效应模型(GLMMs)建模及SAS8.0的GLIMMIX宏实现。方法利用GLIMMIX宏ERROR和LINK语句来指示反应变量的分布及连接函数,通过REPEATED和RANDOM语句的TYPE选项选择合适的方差-协方差结构矩阵来模拟数据的相关性,采用基于线性的伪似然函数进行模型参数估计。结果GLMMs是在广义线性固定效应模型的基础上引入随机效应,反应变量可以是指数家族中任意分布(连续分布包括正态分布,beta分布,卡方分布等;离散分布包括二项分布,泊松分布,负二项分布等),可以通过连接函数将观测的均数向量与模型参数联系起来,根据重复测量资料的特点选择合适的方差-协方差结构矩阵。结论GLMMs应用范围广,建模灵活,可以为相关或非常量方差数据建模,能提供客观正确的统计结论。

关键词：广义线性混合效应模型分类重复测量资料 GLI MMIX宏

来源：评论

学校读者我要写书评

暂无评论

广义线性混合效应模型及其应用

引用

现代预防医学 2007年第11期34卷 2103-2104页

作者：李丽霞郜艳晖张丕德邹宇华邹宗峰张瑛周舒冬 510224 广东药学院预防医学系卫生统计教研室广东药学院预防医学系卫生统计教研室广州

[目的]探讨广义线性混合效应模型在医学研究领域中的应用。[方法]通过实例分析说明模型的实际应用。[结果]将实例中的多中心临床实验数据中不能直观观测到的中心的效应以随机效应项纳入模型来解决由于来自同一中心可能造成的观测间不独... 详细信息

[目的]探讨广义线性混合效应模型在医学研究领域中的应用。[方法]通过实例分析说明模型的实际应用。[结果]将实例中的多中心临床实验数据中不能直观观测到的中心的效应以随机效应项纳入模型来解决由于来自同一中心可能造成的观测间不独立的问题,模型很好地处理了此类数据。[结论]广义线性混合效应模型可以分析观测间相关、因变量为非正态分布的非独立数据。

关键词：广义线性混合效应模型最大似然估计随机效应

来源：评论

学校读者我要写书评

暂无评论

广义线性混合效应模型（GLMM）与复杂抽样的logistic回归模型在分层整群抽样数据分析中的比较

广义线性混合效应模型（GLMM）与复杂抽样的logistic回归模型在分...

引用

作者：陈丹萍复旦大学

学位级别：硕士

在公共卫生领域的抽样调查中为了减少抽样误差,提高抽样的精度,经常会采用如分层整群抽样这类复杂的抽样方法。由于这类抽样方法所得到数据往往是具有多层次的结构特点的,这就使得在同一较低层次的各个个体之间具有一定的相关性,即结局... 详细信息

在公共卫生领域的抽样调查中为了减少抽样误差,提高抽样的精度,经常会采用如分层整群抽样这类复杂的抽样方法。由于这类抽样方法所得到数据往往是具有多层次的结构特点的,这就使得在同一较低层次的各个个体之间具有一定的相关性,即结局变量的分布在个体间不具备独立性。因而不满足传统的统计分析方法的应用条件,而多层统计分析模型和复杂抽样的统计分析方法均可以处理这类数据。目的研究和分析广义线性混合效应模型和复杂抽样的logistic回归方法在分层整群抽样数据中的应用,通过实例数据分析以及数据模拟的研究方法,结合国际通用统计分析软件SAS中相应的模块GLIMMIX与SURVEY模块来进行这两种方法在分层整群抽样数据中的比较应用。并通过改变模拟数据的参数组合,来比较在不同的内部相关系数(ICC),给定个体水平变量系数,抽样比以及样本量的情况下二者的适用性。同时,为了验证传统的统计分析方法在分层整群抽样数据分析中的局限性,也将传统的logistic回归模型纳入到比较分析中。方法首先将三种统计方法应用到实例数据的分析中,参考其分析结果设定模拟数据的参数值。数据模拟分两个部分：模拟一研究,模拟还原实例数据的总体,并从中进行分层整群抽样,模拟抽样1000次,对每一次抽样的数据分别应用logistic回归模型,复杂抽样的logistic回归模型以及广义线性混合效应模型三种方法进行分析；模拟二研究,在模拟一研究的基础上,改变模拟的参数：各层的内部相关系数ICC,给定个体水平变量系数以及不同的抽样比来比较这三种方法的适用性,模拟次数1000次。两个阶段的模拟评价指标为：第1类错误率,偏倚,95%可信区间覆盖率,功效以及标准误。结果实例数据的分析中,在应用surveylogistic回归(surveylogistic)与广义线性混合效应模型(GLMM)进行调整后,各回归系数的标准误都比logistic回归中的标准误大,且各危险因素的OR值的95%可信区间较logistic回归都有不同程度的增宽。数据模拟分析中,surveylogistic和GLMM对分析结果的影响,主要体现在组群水平(即宏观层次)的变量上。从模拟评价指标来看：在第1类错误的控制上,GLMM表现最强,surveylogistic在组群水平变量上表现的与GLMM一致,但是在个体水平变量上,却是三种方法上最差的。当人数多的一层的ICC为0.1,人数少的一层的ICC为0.5,抽样比是按相同抽样概率抽样时,应用surveylogistic回归模型对个体水平变量第1类错误率影响最大。随着人数多的一层的ICC增大,组群水平变量的第1类错误率会增高。 95%可信区间覆盖率最高的是GLMM,无论在个体水平还是组群水平变量上,最差的是logistic回归,同时,95%可信区间覆盖率还受抽样比和给定个体水平变量的系数的影响,且人数多的一层的ICC和方法形成交互作用影响95%可信区间覆盖率。三种统计方法对个体水平和组群水平变量的偏倚的影响差异不大,相比之下,GLMM比其他两种方法对偏倚的影响要大。结论传统的logistic回归方法在分层整群抽样数据中应用是受到限制的。在做这类数据分析时,我们可以从两个角度去考虑分析：在个体水平变量上,最好的方法是GLMM,而如果应用传统的logistic回归方法在两层ICC都不大的情况下,也不会出现大的问题,不建议使用复杂抽样的logistic回归；但是,在组群水平变量的问题上时,传统的logistic回归方法会造成参数估计的标准误被低估,从而使得其显著性检验过于宽松,这种情况下,GLMM和复杂抽样的logistic回归更加适用,但如果考虑到计算的简便省时,并且抽样框信息齐全的情况下,推荐使用复杂抽样的logistic回归。

关键词：分层整群随机抽样 surveylogistic回归广义线性混合效应模型

来源：评论

学校读者我要写书评

暂无评论

广义线性混合效应模型变量选择方法研究

广义线性混合效应模型变量选择方法研究

引用

作者：薛梦秋东南大学

学位级别：硕士

广义线性混合效应模型是分析多层非正态数据的一个重要工具，其在生物、医学、经济等方面都有广泛的应用。而在模型建立过程中，为提高模型的可解释性与预测的精度，往往要将变量的个数限制在较小的范围内，这就需要进行变量选择。本文... 详细信息

广义线性混合效应模型是分析多层非正态数据的一个重要工具，其在生物、医学、经济等方面都有广泛的应用。而在模型建立过程中，为提高模型的可解释性与预测的精度，往往要将变量的个数限制在较小的范围内，这就需要进行变量选择。本文主要研究利用系数压缩法解决广义线性混合效应模型的变量选择问题。首先，简单介绍广义线性混合效应模型的定义及相关参数的估计方法。其次，针对固定效应对应的变量选择，对Tutz与Groll提出的glmmLasso算法进行总结概括，并指出设计阵存在复共线关系时，利用glmmLasso算法求Lasso解存在的问题并给出相应的改进;同时，结合经典线性模型中选择变量的思想方法，将AdaptiveLasso与Elastic Net应用于广义线性混合效应模型。然后，同时针对固定效应与随机效应对应的变量选择，对Bondell等基于线性混合效应模型Adaptive Lasso估计的EM算法进行推广，使其能够解决广义线性混合效应模型基于系数压缩法的变量选择问题。最后，利用上述方法进行实例分析。

关键词：广义线性混合效应模型变量选择 Adaptive Lasso法 Elastic Net法

来源：评论

学校读者我要写书评

暂无评论

基于广义线性混合效应模型的蒙古栎林单木枯损建模及影响因子分析

引用

林业科学研究 2020年第6期33卷 105-113页

作者：李春明中国林业科学研究院资源信息研究所北京100091 国家林业和草原局森林经营与生长模拟重点实验室北京100091

[目的]通过基于广义线性混合效应模型的方法,建立枯损模型,提高枯损模拟和预测精度。[方法]以1995年在吉林省布设的295块蒙古栎永久样地作为研究对象,基于logistic回归及广义线性混合效应模型方法,考虑单木、林分、气象及立地等因子对... 详细信息

[目的]通过基于广义线性混合效应模型的方法,建立枯损模型,提高枯损模拟和预测精度。[方法]以1995年在吉林省布设的295块蒙古栎永久样地作为研究对象,基于logistic回归及广义线性混合效应模型方法,考虑单木、林分、气象及立地等因子对枯损的影响,构建单木水平枯损模型。并与传统广义线性模型方法进行比较,采用验证数据进行精度验证。[结果]表明:与固定效应模型相比,考虑样地水平随机效应后,模型的模拟精度获得极大的提高,并且达到极显著程度;在截距和胸径变量上考虑随机效应的模型模拟精度最高;对单木枯损有重要影响的因子中,林分公顷断面积、林分平均年龄及年平均夏季(5—9月)降水量(MSP)与单木枯损概率呈负相关,大于对象木断面积、林分公顷株数、气象因子中的年平均温度(MAT)及上一年8月至当年7月的降雪量(PAS)与单木枯损概率呈正相关,初始单木胸径对枯损的影响比较复杂,要和其他因子结合起来分析。[结论]甄别影响单木枯损的不同来源及重要影响因素,有助于进一步制定科学的森林经营措施。

关键词：广义线性混合效应模型单木枯损蒙古栎 logistic模型

来源：评论

学校读者我要写书评

暂无评论

广义线性混合效应模型在临床疗效评价中的应用

引用

数理医药学杂志 2007年第5期20卷 589-591页

作者：罗天娥刘桂芬孟海英山西医科大学公共卫生学院卫生统计教研室太原030001 北京市朝阳区疾病控制中心

目的:探讨临床疗效评价中分类重复测量资料的广义线性混合效应模型(GLMMs)及SAS8.0的GLIMMIX宏实现。方法:利用GLIMMIX宏ERROR和LINK语句来指示疗效指标的分布及连接函数,通过REPEATED和RANDOM语句的TYPE选项选择合适方差-协方差结构矩... 详细信息

目的:探讨临床疗效评价中分类重复测量资料的广义线性混合效应模型(GLMMs)及SAS8.0的GLIMMIX宏实现。方法:利用GLIMMIX宏ERROR和LINK语句来指示疗效指标的分布及连接函数,通过REPEATED和RANDOM语句的TYPE选项选择合适方差-协方差结构矩阵来模拟不同时间疗效指标的相关性,采用基于线性的伪似然函数进行模型参数估计。结果:广义线性混合效应模型允许临床疗效评价指标是指数家族中任意分布(如:连续分布包括正态分布、beta分布、卡方分布等;离散分布包括二项分布、泊松分布、负二项分布等),可以通过连接函数将疗效指标的均数向量与模型参数建立线性关系,简化运算过程。结论:广义线性混合效应模型建模灵活,可为临床疗效评价提供更丰富的信息。

关键词：广义线性混合效应模型临床疗效评价1分类重复测量资料 GLIMMIX宏

来源：评论

学校读者我要写书评

暂无评论

基于SAS NLMIXED的广义线性混合效应模型在发病率数据Meta分析中的应用

引用

中国循证儿科杂志 2019年第2期14卷 129-133页

作者：郑建清黄碧芬吴敏肖丽华福建医科大学附属第二医院放射治疗科泉州362000 福建泉州医学高等专科学校附属人民医院妇产科泉州362000

目的:介绍利用SAS软件中的PROC NLMIXED过程步实现发病率数据的META分析方法。方法:基于广义线性混合效应模型(GLMM)的二项式-正态模型(BN)和泊松-正态模型(PNM)等,可方便地实现发病率数据的随机效应Meta分析,尤其当Meta分析纳入含0事... 详细信息

目的:介绍利用SAS软件中的PROC NLMIXED过程步实现发病率数据的META分析方法。方法:基于广义线性混合效应模型(GLMM)的二项式-正态模型(BN)和泊松-正态模型(PNM)等,可方便地实现发病率数据的随机效应Meta分析,尤其当Meta分析纳入含0事件研究时。以Schutz等发表的血管内皮生长因子受体酪氨酸激酶抑制剂治疗的癌症患者发生致命不良事件风险的系统评价作为实例数据,利用SAS软件实现发病率数据的META分析,并提供编程代码。结果:对于含0事件研究,使用PNM模型进行Meta分析,无需进行连续校正法。删除0事件研究对于PNM模型影响较大。与标准正态模型相比,PNM和BNM模型给出的效应值更高,而P值则更小,具有更好的灵敏性。结论:基于广义线性混合效应模型,利用SAS的PROCNLMIXED实现发病率数据Meta分析是优选的方法。

关键词：发病率数据广义线性混合效应模型正态-正态模型二项式-正态模型泊松-正态模型

来源：评论

学校读者我要写书评

暂无评论

贝叶斯分位回归及其在广义线性混合效应模型中的应用

贝叶斯分位回归及其在广义线性混合效应模型中的应用

引用

作者：王维贤新疆财经大学

学位级别：硕士

具有聚集性的不同类型的数据广泛的存在于实际分析中,如:正态型纵向数据、二值型纵向数据、计数型纵向数据等。为了能在表面上看起来杂乱无章的观测数据中得出规律性的结论,我们常常需要借助于统计模型。传统的模型假定观测样本间相互独... 详细信息

具有聚集性的不同类型的数据广泛的存在于实际分析中,如:正态型纵向数据、二值型纵向数据、计数型纵向数据等。为了能在表面上看起来杂乱无章的观测数据中得出规律性的结论,我们常常需要借助于统计模型。传统的模型假定观测样本间相互独立,采用传统模型对纵向数据进行拟合效果很差。本文结合了线性混合效应模型能处理纵向数据,广义线性模型可处理二值、计数等类型数据的特点,采用广义线性混合效应模型对不同类型的纵向数据进行建模。广义混合效应模型是参数模型,我们在估计模型参数时,结合了分位回归的稳健性和贝叶斯分析的优势,在非对称Laplce分布的基础上,建立了适合广义线性混合效应模型的贝叶斯分位回归。在对假定模型参数贝叶斯分析求解时,由于非对称Laplce分布没有合适的先验,参数的后验也较难计算。MCMC抽样算法对参数的先验选取不敏感,还能使后验分布参数的估算变得容易。我们采用常用的MCMC算法中的M-H算法和Gibbs抽样算法,对贝叶斯分析的后验参数进行估计。在方法模拟时,Gibbs抽样算法方法不论在样本实现、软件操作,还是参数估计结果方面,均表现极佳。我们便采用Gibbs抽样算法对二值型、计数型纵向数据进行实际数据分析。本文为解决不同类型的纵向数据建模问题。既选择了良好的模型,又采用了独特的参数估计方法及算法。其中,贝叶斯分位回归的Gibbs抽样算法以其优越的表现,值得在实际数据分析中广泛推广。

关键词：纵向数据广义线性混合效应模型贝叶斯分位回归 MCMC算法

来源：评论

学校读者我要写书评

暂无评论

基于广义线性混合效应模型的贵州省大学生非自杀性自伤行为影响因素分析

基于广义线性混合效应模型的贵州省大学生非自杀性自伤行为影响因...

引用

作者：刘玉贵州医科大学

学位级别：硕士

目的:客观描述和评价贵州省大学生非自杀性自伤行为（NSSI）的现状,探讨基于广义线性混合效应模型NSSI行为的影响因素,为制定预防大学生NSSI行为发生、改善和促进大学生身心健康的干预政策和防治措施提供依据。方法:采用多阶段分层整群... 详细信息

目的:客观描述和评价贵州省大学生非自杀性自伤行为（NSSI）的现状,探讨基于广义线性混合效应模型NSSI行为的影响因素,为制定预防大学生NSSI行为发生、改善和促进大学生身心健康的干预政策和防治措施提供依据。方法:采用多阶段分层整群抽样,按贵州省城市化水平高中低分别抽取3个地区,每个地区分别随机抽取一所专科和本科院校（共6所）15～26岁大学生3427人进行现场问卷调查,内容包括基本情况、NSSI行为、睡眠质量、负性生活事件以及自我分化,其中采用青少年自我伤害问卷评价NSSI行为发生情况,采用匹兹堡睡眠质量问卷（PSQI）评价睡眠质量,采用青少年生活事件量表（ASLEC）评价负性生活事件对生活的影响程度,采用自我分化量表（DSI-R）评价自我分化水平;采用Cronbach’α信度系数、折半信度、Guttman信度系数、单因素随机模型测量组内相关系数（ICC）及因子分析法对量表进行信效度分析,采用χ2检验和Z检验进行单因素分析,采用单水平logistic回归和广义线性混合效应模型进行大学生NSSI行为的影响因素分析。结果:（1）青少年自我伤害问卷信效度检验经检验,该量表的Cronbach’α系数为0.9070,折半Spearman-Brown信度系数为0.7750,Guttman信度系数为0.7290,ICC值为0.8850（95%CI为0.8790～0.8900）,KMO值为0.8430,Bartlett的球形度检验近似卡方值为20121.922,差异有统计学意义（P<0.001）。（2）NSSI行为检出情况3427名贵州省大学生近一年中发生NSSI行为的学生有336人,检出率为9.80%;不同城市化地区大学生NSSI行为不同。（3）NSSI行为影响因素分析单因素分析结果显示,不同学历层次、民族、与父亲关系、健康自评、两周患病、慢性病、睡眠质量、吸烟、饮酒、自评学习成绩、与同学关系、负性生活事件以及自我分化的大学生NSSI行为检出率差异均有统计学意义（P<0.05）;单水平logistic回归模型显示,少数民族（OR=1.375,95%CI为1.050～1.802）、父亲文化程度为初中（OR=1.412,95%CI为1.047～1.903）、睡眠质量差（OR=6.262,95%CI为4.700～8.342）、负性生活事件（OR=1.014,95%CI为1.007～1.021）、饮酒（OR=1.922,95%CI为1.429～2.587）、本科（OR=0.715,95%CI为0.542～0.945）、自我分化（OR=0.987,95%CI为0.981～0.993）是影响NSSI行为的影响因素;广义线性混合效应模型显示,贵州省大学生NSSI行为在班级水平上的方差有统计学意义（F=2.184,P<0.001）,数据在高水平上具有统计学意义,模型结果显示,少数民族（OR=1.429,95%CI为1.092～1.869）、吸烟（OR=1.617,95%CI为1.043～2.508）、负性生活事件（OR=1.015,95%CI为1.008～1.022）、饮酒（OR=2.059,95%CI为1.529～2.772）、睡眠质量差（OR=8.001,95%CI为6.008～10.653）、自我分化（OR=0.981,95%CI为0.975～0.986）、自评学习成绩一般（OR=0.689,95%CI为0.495～0.961）、自评学习成绩好（OR=0.577,95%CI为0.365～0.914）是NSSI行为的影响因素。结论:（1）青少年自我伤害问卷信效度良好,可用于评价贵州省大学生NSSI行为;（2）不同城市化水平地区大学生NSSI行为检出率不同,自评学习成绩是高城市化水平地区大学生NSSI行为的影响因素;（3）贵州省大学生NSSI行为与个体、学习情况有关;（4）经广义线性混合效应模型分析后,本次数据具有明显的层次结构,贵州省大学生NSSI行为在班级水平存在聚集性,本次研究数据适宜于运用广义线性混合效应模型进行分析。

关键词： NSSI行为贵州大学生影响因素广义线性混合效应模型

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：