本文關(guān)鍵詞：貝葉斯模型在老年人健康管理效果評價中的應用

  更多相關(guān)文章： 貝葉斯統(tǒng)計 先驗信息 貝葉斯混合效應模型 敏感性分析 健康管理 R2OpenBUGS

【摘要】：目的貝葉斯統(tǒng)計學已受到越來越多研究者的認可和關(guān)注,但是國內(nèi)關(guān)于貝葉斯統(tǒng)計的研究仍比較薄弱,本研究的目的在于對貝葉斯無信息先驗、樂觀先驗、悲觀先驗、專家先驗獲取方法、貝葉斯混合效應模型及敏感性分析原理進行探討,以南京市某社區(qū)老年人健康管理干預自評體系情緒性格維度數(shù)據(jù)為例進行實證分析,系統(tǒng)闡述健康管理效果評價指標專家信息的獲取、貝葉斯混合效應模型構(gòu)建,比較無信息先驗分布貝葉斯統(tǒng)計分析結(jié)果與經(jīng)典統(tǒng)計分析結(jié)果,并通過先驗分布的敏感性分析獲得更全面的推斷結(jié)論,本研究也旨在為貝葉斯先驗分布獲取及貝葉斯混合效應模型構(gòu)建提供借鑒。方法通過檢索國內(nèi)外貝葉斯相關(guān)文獻,為貝葉斯統(tǒng)計、先驗分布及貝葉斯混合效應模型介紹打下基礎(chǔ)。采用實證研究法對貝葉斯先驗獲取、貝葉斯混合效應模型在老年人健康管理效果評價中應用進行實證分析。利用健康管理自評體系的情緒性格維度數(shù)據(jù),采用無先驗信息、百分位數(shù)法專家先驗信息、眾數(shù)百分位數(shù)法專家先驗信息、定分度法專家先信息驗構(gòu)建方差分析模型,并與經(jīng)典方差分析結(jié)果比較；由于貝葉斯復雜模型參數(shù)的專家先驗信息獲取很困難,本研究的貝葉斯混合效應模型構(gòu)建主要利用無信息先驗,對模型的先驗分布進行了敏感性分析,此外,對貝葉斯混合效應模型結(jié)果與經(jīng)典多水平模型結(jié)果進行了比較。本研究通過SAS MIXED過程,采用限制性最大似然法,建立多水平模型。采用RStudio0.98軟件的R20penBUGS包調(diào)用OpenBUGS 3.22軟件進行貝葉斯模型的構(gòu)建、編譯和迭代,后驗估計結(jié)果包括后驗參數(shù)估計、蹤跡圖、函數(shù)密度圖均在RStudio軟件中呈現(xiàn),采用RStudio軟件調(diào)用OpenBUGS軟件有效解決了OpenBUGS軟件數(shù)據(jù)格式復雜性的問題。結(jié)果使用無信息先驗進行研究對象人口學特征異質(zhì)性檢驗,結(jié)果表明管理組與對照組人口學特征不存在異質(zhì)性,并與經(jīng)典統(tǒng)計方法分析結(jié)果一致；利用無信息先驗進行管理組與對照組情緒性格維度基線情況比較,發(fā)現(xiàn)管理組與對照組的情緒性格維度存在不均衡性,對照組基線得分均高于管理組,結(jié)果與經(jīng)典統(tǒng)計分析結(jié)果一致(F=10.014,P=0.002)；采用不同先驗分布的貝葉斯方差分析模型比較管理組和對照組情緒性格維度的6個月與基線得分差值情況,無信息先驗分布和三種專家先驗分布下的后驗估計結(jié)果均表明管理組與對照組的情緒性格維度6個月與基線得分差值不存在統(tǒng)計學差異(差值95%的可信區(qū)間(Credible interval)均包括0),經(jīng)典統(tǒng)計學方法也表明無統(tǒng)計學差異(F=0.057,P=0.881)；采用不同先驗分布的貝葉斯方差分析模型比較管理組和對照組五個維度的24個月與基線得分差值情況,無信息先驗分布和不同獲取方法的專家先驗分布下的后驗估計結(jié)果均表明管理組與對照組的軀體機能維度與情緒性格維度的24個月與基線得分差值均存在統(tǒng)計學差異(差值95%CI均不包括0),管理組優(yōu)于對照組,經(jīng)典統(tǒng)計分析結(jié)果與其一致(F=8.427,P=0.004)。利用基線、6、18和24個月的情緒性格維度數(shù)據(jù)建立傳統(tǒng)多水平模型,固定效應部分結(jié)果顯示,時間效應、時間與分組變量交互效應均存在統(tǒng)計學意義(P0.05),系數(shù)估計值分別為-0.0085和0.0160,水平1殘差估計值為0.605,隨機效應部分結(jié)果表明隨機截距方差有統(tǒng)計學意義,時間變量隨機斜率的方差不存在統(tǒng)計學意義。貝葉斯混合效應模型固定效應部分時間變量系數(shù)具有統(tǒng)計學意義,估計值為-0.0085,95%CI(-0.0165,-0.0008),時間與分組變量交互項系數(shù)估計值為0.0160,95%CI(0.0063,0.0257),說明二者交互項具有統(tǒng)計學意義,隨機截距方差估計值為0.0329,95%CI(0.0017,0.1238),時間變量隨機斜率的方差估計值為0.0004,95%CI(0.0001,0.0007),與傳統(tǒng)分析結(jié)果相比,貝葉斯方法水平1殘差(0.5946)有所減少。敏感性分析結(jié)果表明,無信息先驗、不同獲取方法的專家先驗、悲觀先驗、樂觀先驗下的情緒性格維度方差分析模型的參數(shù)后驗估計值與其95%CI均比較相近,推斷結(jié)論未發(fā)生具有統(tǒng)計學意義的改變；無信息先驗、悲觀先驗、樂觀先驗下的情緒性格維度貝葉斯混合效應模型固定效應參數(shù)的估計值變化小,三種先驗下的隨機效應方差參數(shù)變化相對較大,但是統(tǒng)計結(jié)論仍保持一致。此外,貝葉斯殘差分析結(jié)果表明模型與數(shù)據(jù)擬合的較好。結(jié)論經(jīng)典統(tǒng)計方法與無先驗信息分布下的貝葉斯統(tǒng)計方法在本次研究中所得到的結(jié)果相似,本研究利用百分位數(shù)法、眾數(shù)百分位數(shù)法和定分度法同時獲取專家先驗信息,采用簡單易行的算術(shù)平均法合并多位專家意見,獲得的先驗分布參數(shù)不同,對后驗分布估計的影響也不同,但是本研究中統(tǒng)計推斷結(jié)論保持一致。本文通過構(gòu)造悲觀先驗與樂觀先驗信息進行敏感性分析,結(jié)果表明簡單的統(tǒng)計模型對參數(shù)的先驗分布敏感性低于復雜的統(tǒng)計模型。經(jīng)典多水平模型分析結(jié)果與無信息先驗下的貝葉斯混合效應模型分析結(jié)果基本一致,但是貝葉斯混合效應模型利用參數(shù)的先驗信息,減少了水平1的殘差,表明貝葉斯混合效應模型可獲取更多的效應變異信息,更適合解決數(shù)據(jù)層次結(jié)構(gòu)問題。本研究的創(chuàng)新點在于同時采用三種方法獲取健康管理效果評價相關(guān)參數(shù)專家先驗信息,并將其應用到貝葉斯模型中,探討了悲觀先驗和樂觀先驗信息的構(gòu)造方法,但在專家先驗信息獲取的規(guī)范性方面有待完善,復雜的專家意見信息合并方法也尚有待進一步研究。
【關(guān)鍵詞】：貝葉斯統(tǒng)計 先驗信息 貝葉斯混合效應模型 敏感性分析 健康管理 R2OpenBUGS
【學位授予單位】：東南大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：R592
【目錄】：

• 摘要5-8
• Abstract8-13
• 第一章 前言13-16
• 1.1 研究背景13-15
• 1.2 研究意義15-16
• 第二章 本研究的方法學基礎(chǔ)16-21
• 2.1 貝葉斯定理16-17
• 2.2 貝葉斯先驗分布17-19
• 2.2.1 無信息先驗17-18
• 2.2.2 專家先驗信息18-19
• 2.2.3 悲觀先驗與樂觀先驗19
• 2.3 先驗分布的敏感性分析19-21
• 第三章 研究方法及實例應用21-36
• 3.1 研究方法21-26
• 3.1.1 專家的選擇及專家先驗獲取過程21
• 3.1.2 專家先驗的獲取方法21-24
• 3.1.3 統(tǒng)計分析模型24-26
• 3.2 實例應用26-36
• 3.2.1 資料來源26-27
• 3.2.2 質(zhì)量控制27
• 3.2.3 專家咨詢會27-28
• 3.2.4 統(tǒng)計方法28-36
• 第四章 研究結(jié)果36-52
• 4.1 研究對象的人口特征學36-38
• 4.2 情緒性格維度分析結(jié)果38-44
• 4.2.1 管理組與對照組的情緒性格基線情況分析38
• 4.2.2 管理組與對照組的情緒性格0-6個月差值情況分析38-40
• 4.2.3 管理組與對照組的情緒性格0-24個月差值情況分析40-42
• 4.2.4 多水平統(tǒng)計模型結(jié)果42-43
• 4.2.5 貝葉斯混合效應模型結(jié)果43-44
• 4.3 敏感性分析44-50
• 4.3.1 情緒性格0-24個月差值敏感性分析44-47
• 4.3.2 情緒性格維度貝葉斯混合效應模型敏感性分析47-50
• 4.4 貝葉斯殘差分析50-52
• 第五章 討論52-57
• 5.1 先驗信息的利用52
• 5.2 專家先驗分布獲取52-53
• 5.3 貝葉斯混合效應模型53-54
• 5.4 敏感性分析54-55
• 5.5 優(yōu)點和創(chuàng)新55
• 5.6 局限性55-57
• 參考文獻57-61
• 綜述61-69
• 參考文獻67-69
• 附錄一69-70
• 附錄二70-73
• 附錄三73-79
• 作者簡介79
• 碩士在讀期間發(fā)表論文情況79-80
• 致謝80

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 金輝;劉沛;;醫(yī)學中的貝葉斯統(tǒng)計應用及其研究進展[J];中國衛(wèi)生統(tǒng)計;2009年05期

2 謝俊;;貝葉斯統(tǒng)計方法與傳統(tǒng)統(tǒng)計方法的比較分析與展望[J];中國商界(下半月);2009年04期

3 劉桂芬,孟海英,張巖波;Bayes線性混合效應模型多中心臨床試驗應用[J];中國衛(wèi)生統(tǒng)計;2005年04期

4 劉樂平,袁衛(wèi);現(xiàn)代貝葉斯分析與現(xiàn)代統(tǒng)計推斷[J];經(jīng)濟理論與經(jīng)濟管理;2004年06期

，

本文編號：955199