零膨胀计数数据回归模型的选择与比较及R语言的实现*
2018-07-16刘振球左佳鹭方绮雯张铁军
中国卫生统计 2018年2期
关键词:模型
刘振球 严 琼 左佳鹭 方绮雯 张铁军△
【提 要】 目的 探讨和比较不同模型在零膨胀数据回归分析中的应用。 方法 在R语言中,拟合HIV合并血友病数据的对数线性模型、零膨胀模型、随机森林、决策树以及支持向量机模型,通过比较标准化均方误差和均方根误差,对模型进行评价与选择。结果 从标准化均方误差和均方根误差来看,随机森林是对原始数据拟合的最好的模型,随后是支持向量机和决策树模型,而经典的计数模型表现则相对较差。结论 在对零膨胀计数资料进行回归预测时,机器学习方法的效果优于经典的计数模型。
在医学研究中,经常遇到因变量为计数资料的问题,如一段时间内癫痫患者的抽搐发作次数、某种化疗药物引起患者的呕吐次数等。这些事件发生次数取值为非负整数,且多服从正偏态分布。研究此类问题时,我们通常假设事件发生次数服从Poisson分布,将该关注事件发生的频数作为因变量,拟合广义线性Poisson回归模型,去探索其他自变量对该事件的影响[1]。当事件发生次数过度离散时,我们可以选择负二项回归模型。但是,在某些罕见事件的研究中,常遇到许多观察个体在研究时间内,并未发生该结局事件,因此数据中会有相当比例的结局变量取值为零,并且零的比例超过Poisson回归和负二项回归的预测能力,故称为零膨胀[2]。Lambert首次建立了零膨胀Poisson回归模型[3]。该模型的提出,有效地解决了零膨胀数据的分析问题,使分析结果更加准确。……
登录APP查看全文
