多阶段随机抽样数据统计分析方法比较

摘要

目标:比较Probit回归、广义估计方程、Probit-Normal模型3种统计方法对二阶段随机抽样数据分析的统计效能及Logistics回归、广义估计方程、Logistics-Normal模型3种统计方法对三阶段随机抽样数据分析的统计效能。
　　 方法:首先分析某区小学生躯体化症状调查资料,参考其建立二层随机效应模型进行数据模拟,设置不同的参数值及内部相关系数,比较Probit回归、广义估计方程、Probit-Normal模型3种统计方法参数估计偏倚及95％可信区间的覆盖率;其次在二层模型的基础上,模拟不均衡设计的三层随机效应模型,设置不同的随机效应方差、协变量参数,比较Logistics回归、广义估计方程、Logistics-Normal模型3种统计方法参数估计偏倚及95％可信区间的覆盖率。
　　 主要结果:二层随机效应模型中,Probit-Normal模型根在各种情况下均能给出较准确的参数估计值和较正确的可信区间;GEE能在各种情况下给出一个稳健的估计,统计推断能力优于Probit回归,但不如Probit-Normal模型;协变量的取值对各模型产生的影响不大。三层随机效应模型中,Logistic-Normal模型在各种参数设置下,均能给出一个可信的估计,但学校效应估计的可信区间覆盖率不及班级效应;GEE对班级效应的估计可信区间的覆盖率较理想;对群体效应变量的估计中,Logistic回归无法给出一个可信的估计。三种方法参数估计的偏倚均受参数真实值大小的影响,真实值越大,偏倚越小;方差的取值对参数偏倚的影响不尽相同。