边际关联回归

shiyiming

谢谢“没有”！

边际均数回归中的变量选择，我是先在忽视关联的情况下，用logistic模型逐步筛选的。后来在假定类内所有观测有同一关联的情况下，也用逐步回归的模式筛选了一下（手工逐步回归，可能较粗糙，好在变量不多），当然也根据专业知识，最后确定了有统计意义的变量。而且选定的这些变量的回归系数非常稳定。所以解释变量间相关的可能性不大。

边际关联回归中，变量间的相关的可能性就更小了，因为设计矩阵应该是正交的。

我现在唯一能想到的原因就是某一类观测中事件的阳性数太少了（极端病态数据）。这是我资料中的事实。因为只有考虑这个关联参数后，模型估计就出现错误。可惜我有限的数学基础，还参不透其中的真正联系（或者是假关联？）！

<!-- s:cry: --><img src="{SMILIES_PATH}/icon_cry.gif" alt=":cry:" title="Crying or Very sad" /><!-- s:cry: -->
<!-- s:oops: --><img src="{SMILIES_PATH}/icon_redface.gif" alt=":oops:" title="Embarassed" /><!-- s:oops: -->

shiyiming

I am not sure the meaning of "边际关联回归".

For my understanding, "边际关联" means "marginal association". Which means crude association between your dependent variable and one of you independent variables. So from this regression, you  cannot tell whether your independent variables are correlated or not.

As you said too few postive results may cause your problem.
And I think you may need check other things, such as missing vales and highly correlated varibles.
For highly correlated variabs, I mean two or more variables just measure the same thing.

shiyiming

谢谢 “没有” 对该问题的关注。

我说明一下，你的理解和我原表达的意思是有偏差的，可能怪我没有表达清楚。

我想再次说明一下，我现在分析的数据特点是因变量为类内相关的，即不满足独立要求。我采用的方法叫GEE2（广义估计方程2），在SAS中用ALR(替代logistic回归的方法)进行参数估计。GEE2可参阅文献"JRSS B 1992.54:3-40"，ALR可参阅文献“Biometrika,1993. 80:517-26”。

希望你对该模型有兴趣，并能解决我的问题。