学位论文 > 优秀研究生学位论文题录展示

利用空间统计方法建立疾病风险模型

作　者: 杨洋
导　师: 宋向东
学　校: 燕山大学
专　业: 概率论与数理统计
关键词: 疾病地图高斯随机场空间流行病学 MCMC方法先验分布
分类号: R311
类　型: 硕士论文
年　份: 2008年
下　载: 176次
引　用: 0次
阅　读: 论文下载

内容摘要

疾病地图经常应用于疾病地理分布的研究,构成疾病地图的数据通常是计数型数据。几十年来,统计工作者对疾病风险的空间差异模型进行了深入细致的研究,无论在理论上还是应用上,都取得了许多优秀成果。由于相邻的区域之间,疾病相对风险比较相似,通常使用随机效应模型的方法,通过向相邻的区域借力来估计区域相对风险,这样可以使估计值更为稳定。为进一步研究空间疾病风险的差异程度,我们提出了新的疾病风险结构模型。论文的结构安排如下:首先,介绍了空间统计的概况,回顾了疾病地图在空间流行病学上的发展历史,并结合论文的内容,给出了一些相关的基本概念及方法。其次,我们提出了一个构建相关结构模型的新方法,将离散的区域疾病风险连续化,把区域总体的风险视为一个连续的风险曲面,这样我们不仅可以估计每个区域个体的相对风险,还可以估计区域总体的疾病风险。同时,出于方便计算的考虑,论文对区域相对风险的分布函数进行了近似分析。再次,我们结合随机效应方法及回归模型的有关应用,建立了非空间和空间的疾病风险模型,分别给出了Possion-lognormal模型和联合模型,并针对先验分布函数的选择进行比较分析。最后,为验证模型准确性和稳定性,我们借助Matlab软件对提出的模型进行模拟检验。在模拟实验中,使用了MCMC方法进行相关的随机抽样。

全文目录

摘要  3-4
Abstract  4-7
第1章绪论  7-15
  1.1 空间统计学简介  7-10
  1.2 空间疾病模型的研究现状  10-12
  1.3 我国空间疾病统计的发展  12-13
  1.4 选题意义及文章结构  13-15
第2章预备知识  15-23
  2.1 高斯随机场Gaussian random field (GRF)  15
  2.2 随机效应模型  15-17
    2.2.1 多水平数据结构  16
    2.2.2 多水平统计模型的方程表达式  16-17
  2.3 Markov chain Monte Carlo (MCMC)方法  17-22
    2.3.1 基本思路  17-19
    2.3.2 满条件分布  19
    2.3.3 Gibbs 抽样  19-21
    2.3.4 应用  21-22
  2.4 本章小结  22-23
第3章基于GRF 下的疾病风险模型  23-39
  3.1 研究背景及统计框架  23-24
  3.2 空间统计模型  24-30
    3.2.1 高斯随机场模型  24-27
    3.2.2 算法  27-30
  3.3 随机模拟  30-37
    3.3.1 随机模拟  30-34
    3.3.2 近似处理的检验  34-37
  3.4 补充说明  37
  3.5 本章小结  37-39
第4章基于随机效应方法的疾病风险模型  39-54
  4.1 研究背景  39
  4.2 非空间模型  39-46
    4.2.1 统计框架  39-42
    4.2.2 先验分布的选择  42-43
    4.2.3 随机模拟  43-46
  4.3 空间模型  46-53
    4.3.1 统计框架  46-48
    4.3.2 先验分布的选择  48-50
    4.3.3 随机模拟  50-53
  4.4 本章小结  53-54
结论  54-56
参考文献  56-61
攻读硕士学位期间承担的科研任务与主要成果  61-62
致谢  62-63
作者简介  63

利用空间统计方法建立疾病风险模型

内容摘要

全文目录

相似论文