您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览533 | 下载0

目的 探讨用于传统回归与零膨胀回归模型选择的Vuong检验(简称V检验)SAS实现方法及应用.方法 介绍V检验的原理及方法并给出实现V检验的SAS宏程序,结合实例,将SAS宏的检验结果与Stata软件进行核对,证明宏程序的正确性.结果 应用实例中ZINB模型-2Log Likelihood为44 623,回归模型选择标准(Akaike Information Criterion)为44 665,BIC(Bayesian Information Criterion)为44 819,相比其他模型拟合效果最好;SAS宏程序对ZINB与负二项回归模型V检验结果为30.326 9,>1.96,数据分析应采用ZINB模型;Stata软件的输出V值为30.33,和宏程序检验结果一致.结论 V检验用于判断传统回归和零膨胀回归模型拟合的优劣;SAS宏程序可以实现V检验.

作者:唐欣然;黄耀华;王杨;李卫

来源:中华疾病控制杂志 2013 年 17卷 7期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:533 | 下载:0
作者:
唐欣然;黄耀华;王杨;李卫
来源:
中华疾病控制杂志 2013 年 17卷 7期
标签:
生物医学研究 数据说明,统计 软件 Biomedical research Data interpretation,statistical Software
目的 探讨用于传统回归与零膨胀回归模型选择的Vuong检验(简称V检验)SAS实现方法及应用.方法 介绍V检验的原理及方法并给出实现V检验的SAS宏程序,结合实例,将SAS宏的检验结果与Stata软件进行核对,证明宏程序的正确性.结果 应用实例中ZINB模型-2Log Likelihood为44 623,回归模型选择标准(Akaike Information Criterion)为44 665,BIC(Bayesian Information Criterion)为44 819,相比其他模型拟合效果最好;SAS宏程序对ZINB与负二项回归模型V检验结果为30.326 9,>1.96,数据分析应采用ZINB模型;Stata软件的输出V值为30.33,和宏程序检验结果一致.结论 V检验用于判断传统回归和零膨胀回归模型拟合的优劣;SAS宏程序可以实现V检验.