应用R软件mada程序包实现诊断准确性试验的Meta分析--《中国循证医学杂志》2014年12期
应用R软件mada程序包实现诊断准确性试验的Meta分析
【摘要】：mada程序包是R软件中专用于实现诊断准确性数据Meta分析的程序包。该程序包是基于经典统计学研发的,能够完成所有诊断准确性试验Meta分析效应指标的计算,但不提供总敏感度与特异度汇总值。本文以实例介绍了mada程序包实现诊断准确性试验Meta分析的数据准备、执行运算、汇总结果及绘制图形的全部功能。
【作者单位】：
【关键词】：
【分类号】：TP311.1;R-03【正文快照】：
循证医学创始人之一、加拿大Mc Master大学Gordon Guyatt教授指出循证诊断是未来循证医学发展的重要方向之一[1]。诊断准确性试验(diag-nostic test accuracy,DTA)的Meta分析是循证诊断高质量证据的重要来源[2-4]。当前有诸多软件能够实现DTA的Meta分析[5],如Rev Man 5软件[6]
欢迎：、、)
支持CAJ、PDF文件格式，仅支持PDF格式
【参考文献】
中国期刊全文数据库
董圣杰;曾宪涛;郭毅;;[J];中国循证医学杂志;2012年09期
【共引文献】
中国期刊全文数据库
杨菲菲;肖华勇;黄奔茹;;[J];纺织高校基础科学学报;2014年01期
王伟;陈志军;徐辰武;;[J];扬州大学学报(农业与生命科学版);2014年02期
曾宪涛;张超;郭毅;;[J];中国循证医学杂志;2013年09期
张超;董圣杰;曾宪涛;;[J];中国循证医学杂志;2013年10期
张超;牛玉明;曾宪涛;;[J];中国循证医学杂志;2014年03期
张超;耿培亮;郭毅;曾宪涛;;[J];中国循证医学杂志;2014年05期
中国硕士学位论文全文数据库
段重阳;[D];南方医科大学;2014年
【二级参考文献】
中国期刊全文数据库
曾宪涛;田国祥;牛玉明;孙竹;李胜;冷卫东;;[J];中国循证心血管医学杂志;2011年05期
曾宪涛;冷卫东;郭毅;刘菊英;;[J];中国循证心血管医学杂志;2012年01期
曾宪涛;Joey S.W.K田国祥;董圣杰;;[J];中国循证心血管医学杂志;2012年02期
蒋文瀚;陈炳为;郑建光;李万庆;李杰;;[J];循证医学;2011年05期
曾宪涛;冷卫东;李胜;郭毅;王朴;;[J];中国循证医学杂志;2011年09期
&快捷付款方式
&订购知网充值卡
400-819-9993
《中国学术期刊（光盘版）》电子杂志社有限公司
同方知网数字出版技术股份有限公司
地址：北京清华大学 84-48信箱 知识超市公司
出版物经营许可证 新出发京批字第直0595号
订购热线：400-819-82499
服务热线：010--
在线咨询：
传真：010-
京公网安备75号来自R软件残差模拟：里面的两条红线0.5,1是什么意思？还有R与e-views做出来的结果差别很大，差分之后的P值完全不同。。。求赐教图中涉及的指标统计意义是什么？分析判断标准是什么？能否用R对各个指标逐一分析？
（待更新）一.作用这个“残差与杠杆图”可以鉴别出离群点，高杠杆值点和强影响点。下面细说这三个指标的定义和统计意义，以及R求解。二.定义离群点：粗糙的判断标准是标准化残差大于2或者小于-2，即看各个点在y轴方向上偏离0点的程度即可。也可以通过Q-Q图判断。高杠杆值点：即与其他预测变量有关的离群点。通过帽子统计量判断。帽子统计量的计算涉及如下几个公式和定义。1.hat-value定义.其中，的定义如下这里，我觉得可以将理解成一种权重，根据的定义，当相对较大时，则说明第个观测值对第个拟合值有较大的影响。2.H矩阵（Hat Matrix）的性质及杠杆值定义幂等性对称性从而有杠杆值（leverage score）的定义：（第三个等号由幂等性得到）.利用该定义，容易推出.它可以用来测定对所有拟合值的杠杆。另外，它的均值为（是判断高杠杆值的标准）.从一元线性回归中的表达式来对均值验证一番：.高杠杆值点判断标准：帽子值大于帽子均值的2或3倍以上。3.杠杆值跟学生化残差的关系：利用以上性质可以得到残差方差从而，得到学生化残差（studentized residual）由学生化残差与杠杆值的关系，可以发现杠杆值对学生化残差有放大的效应（或许这也是“杠杆”这一名名称的由来）。分布在“残差与杠杆图”右上方和右下方的离群点尤其值得关注。因为这些点对“模型偏离真实情况”存在很强的作用（使模型偏离的罪魁祸首，它们将模型拉扯到了其他观测点）。这些点即是后面要说到的强影响点。强影响点：强影响点是对模型的参数估计值有些比例失衡的点（即移除某一个强影响点，则会对使模型的参数发生很大的变动，这样的点，使得模型的稳健性大打折扣）。涉及如下定义。1.Cook's Distance.第一部分测量了偏离程度，第二部分测量了杠杆值。判断强影响点的标准：Cook's Distance大于.图中的两条红线0.5和1，我觉得应该起到的是一个类似置信区间的判断标准的作用。三.用R中的函数分别求值，绘图可能会有理解错误，欢迎指正:)-------------------部分性质详细推导可以参考：识别方法
这个图里面显示了三个指标，都是用来衡量异常点的指标，分别是：杆杆值，标准化残差，考克斯距离，最后一个指标是用等高线形式显示出来的，在线之外的表示是异常点。
这个图里面显示了三个指标，都是用来衡量异常点的指标，分别是：杆杆值，标准化残差，考克斯距离，最后一个指标是用等高线形式显示出来的，在线之外的表示是异常点。
已有帐号？
无法登录？
社交帐号登录
统计硕士生，R User，喜欢历史八卦。比如model selectionl里面涉及了S^2模型，SIC,AIC模型，他们各自都有惩罚因子，请问惩罚因子的含义是什么，应该怎么理解
统计讲到R^2的时候应该会提到，增加自变量几乎一定会使回归模型的R^2增大（我在某个回答中提到过，某教授曾表示R^2就是用来衡量“数据x变量”这个矩阵有多“方”），所以我们要使用adjusted R^2来代替R^2。惩罚因子其实是出于同样的思想：不希望在模型中使用太多的自变量，因此增加一个新的自变量减小了残差平方和的同时，要付出一定的“代价”，就是增大惩罚因子，这样就能选择出“适当”数目的自变量。
不知道计量经济学里面一般怎么考虑，从卫生统计学的角度看，惩罚因子(AIC/Cp, BIC)是解决&b&预测&/b&模型中过度拟合问题的一种方法。&br&&br&&b&1. 惩罚因子的来源。&/b&&br&我们知道随着预测模型复杂度的增加，训练误差会逐渐下降，而测试误差则一般会先下降后增加，这就是预测模型的过度拟合问题。由于测试样本不能用来选择模型，我们就需要通过其他方式来给&b&预测模型选择一个合适的复杂度&/b&。&br&赤池信息指数（AIC）和Cp统计量来自于样本内误差估计 (In sample Error)，即在保持原训练样本自变量不变的情况下，重新生成一批因变量，计算预测模型在这个新样本中预测误差。和训练误差相比，样本内误差能更加准确的代表测试误差。当使用平方误差函数时，样本内误差的估计是是Cp统计量，在使用对数似然误差函数的时候，样本内误差的估计是AIC统计量。&br&贝叶斯信息指数（BIC）与AIC外形相似，对模型复杂度的惩罚更大（AIC是2,BIC是logN)。但两者来源并不相同，BIC并不依赖于对样本内误差的估计，而是来自于对预测模型后验概率的计算。随着样本量的增大，AIC会倾向于选择复杂度更高的模型，而BIC则选择后验概率更大的模型，其复杂度不一定更高。所以，AIC在样本量大时的惩罚能力不足，依然存在过度拟合的风险。&br&&br&&b&2.惩罚因子和正则化的区别。&/b&&br&看似两者都是为了降低模型的复杂度，其实惩罚因子和正则化（regularization）有着完全不同的目的。正则化是向模型的损失函数中增加一个正则化项，比如卫生统计里面常用的forward /backward /stepwise自变量筛选，其实就是给损失函数增加了一个回归系数向量的zero-norm项。通过调整正则化项的系数大小，能够制造出一系列不同复杂度的模型，我们使用惩罚因子能够从这些不同复杂度的模型中选择一个最优的。当然，正则化只是制造不同复杂度一种方式，我们还有例如early stopping，平滑，人为增加数据噪声等方式来制造不同复杂度的模型，然后再用惩罚因子来选择。&br&&br&&b&3.惩罚因子的其他选择。&/b&&br&除了AIC和BIC等惩罚因子，我们一般更常使用的方法是从训练样本中再分出一个验证样本，或者交叉验证，用验证误差来进行模型选择。&br&&br&&b&4.惩罚因子的使用场合。&/b&&br&如开头所说，惩罚因子是用于解决&b&预测&/b&模型中过度拟合问题的方法。另外在一些结构方程模型中，我们关心不同模型的解释能力，会使用惩罚因子从嵌套的结构模型中做选择。但在尝试评价变量之间因果关系的模型中，我们往往并不关心模型的拟合能力，而关心我们感兴趣的变量回归系数本身的偏倚(Bias)。惩罚因子并不能告诉我们遗漏某个协变量是否会造成混杂偏倚(Confounding), 这时候用惩罚因子来筛模型很不科学。
不知道计量经济学里面一般怎么考虑，从卫生统计学的角度看，惩罚因子(AIC/Cp, BIC)是解决预测模型中过度拟合问题的一种方法。1. 惩罚因子的来源。我们知道随着预测模型复杂度的增加，训练误差会逐渐下降，而测试误差则一般会先下降后增加，这就是预测模型的…
奥卡姆剃刀原则
奥卡姆剃刀原则
已有帐号？
无法登录？
社交帐号登录
经济学本科僧 sx349.github.io关注今日：27 | 主题：134048
微信扫一扫
扫一扫，下载丁香园 App
即送15丁当
【交流】R软件 做交互作用分析
页码直达：
问题已解决悬赏丁当:2
R软件 做交互作用分析
代码是从文献上弄的，可是运行到最后没有提示错误，可是结果在哪呢
还是没输出出来....结果应该是交互作用的三个指标吧？？菜鸟一个
就会复制粘贴，代码如下
求高手test&-read.table (file=&C:/test2.dat&,header=T,fill=TRUE)name(test)confounders&-cbind(test$dummyag1,test$dummyag2,test$dummyag3)test$A&-test$ASEtest$B&-test$APTPN22test$case&-test$KINDinteraction&-function(inter,case,A,B,confounders){inter$A0B0[inter$A==0 & inter$B==0]&-1inter$A0B0[inter$A==1 & inter$B==0 | inter$A==0 & inter$B==1 | inter$A==1 & inter$B==1]&-0inter$A1B0[inter$A==1 & inter$B==0]&-1inter$A1B0[inter$A==0 & inter$B==0 | inter$A==0 & inter$B==1 | inter$A==1 & inter$B==1]&-0inter$A0B1[inter$A==0 & inter$B==1]&-1inter$A0B1[inter$A==1 & inter$B==0 | inter$A==0 & inter$B==0 | inter$A==1 & inter$B==1]&-0inter$A1B1[inter$A==1 & inter$B==1]&-1inter$A1B1[inter$A==1 & inter$B==0 | inter$A==0 & inter$B==1 | inter$A==0 & inter$B==0]&-0glmdata&-cbind(&A1B1&=inter$A1B1,&A1B0&=inter$A1B0,&A0B1&=inter$A0B1,&A0B0&=inter$A0B0,as.data.frame(confounders,row.names=NULL,optional=TRUE))interaction.Iglm&-glm(case~.,family=binomial(link=&logit&),data=glmdata)mod&-summary(interaction.Iglm)cor&-vcor(interaction.Iglm)A1B1var&-cor[2,2]A1B0var&-cor[3,3]A0B1var&-cor[4,4]cov23&-cor[4,3]cov13&-cor[4,2]cov12&-cor[3,2]x&-summary(interaction.Iglm)$coefficientsOR&-round(exp(c(x[,1])),digits=3)OR.LowLi&-round(exp(c(x[,1]-1.96*x[,2])),digits=3)OR.UppLi&-round(exp(c(x[,1]+1.96*x[,2])),digits=3)outf&-data.frame(OR,OR.LowLi,OR.UppLi)out&-data.matrix(outf)ORii&-out[2,1]ORio&-out[3,1]ORoi&-out[4,1]ORoo&-1.0ORg&-c(ORoo,ORio,ORoi,ORii)ORn&-c(&OR_A0B0&,&OR_A1B0&,&OR_A0B1&,&OR_A1B1&)RERI&-round(out[2,1]-out[4,1]-out[3,1]+1,digit=3)hr1&-(-out[3,1])hr2&-(-out[4,1])hr3&--out[2,1]SeRERI&-sqrt(hr1**2*A1B0var+hr2**2*A0B1var+hr3**2*A1B1var+2*hr1*hr2*cov23+2*hr1*hr3*cov12+2*hr3*hr2*cov12)RERI.95Low&-round(RERI-1.96*SeRERI,digits=3)RERI.95High&-round(RERI+1.96*SeRERI,digits=3)ha1&-(-(ORio/ORii))ha2&-(-(ORoi/ORii))ha3&-(out[3,1]+out[4,1]-1)/out[2,1]SeAP&-sqrt(ha1**2*A1B0var+ha2**2*A0B1var+ha3**2*A1B1var+2*ha1*ha2*cov23+2*ha1*ha3*cov12+2*ha3*ha2*cov12)AP&-round(RERI/ORii,digits=3)AP.95Low&-round(AP-1.96*SeAP,digits=3)AP.95High&-round(AP+1.96*SeAP,digits=3)SI&-round((out[2,1]-1)/(out[4,1]+out[3,1]-2),digits=3)hs1&-(-out[3,1]/(out[3,1]+out[4,1]-2))hs2&-(-out[4,1]/(out[3,1]+out[4,1]-2))hs3&-(-out[2,1]/(out[2,1]-1))SeSI&-sqrt(hs1**2*A1B0var+hs2**2*A0B1var+hs3**2*A1B1var+2*hs1*hs2*cov23+2*hs1*hs3*cov12+2*hs3*hs2*cov12)SI.95Low&-round(SI-1.96*SeSI,digits=3)SI.95High&-round(SI+1.96*SeSI,digits=3)IM&-data.frame(RERI,RERI.95Low,RERI.95High,AP,AP.95Low,AP.95High)SyI&-data.frame(SI,SI.95Low,SI.95.High)ILST&-list(barplot((ORg),names.arg=(ORn)),mod,out,SyI,IM)return(ILST)}
不知道邀请谁？试试他们
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
丁香园准中级站友
文献的名字是什么？
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
mike305 文献的名字是什么？ Calculating measures of biological interaction using R
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
Calculating measures of biological interaction using R
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
高手在哪里
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
哎------------------
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
哎 没办法啦
求助啦 不行就点名啦@、@、@、@、@、@、@s、@
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
哎 没办法啦
求助啦 不行就点名啦@、@、@、@、@、@、@s、@
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
丁香园准中级站友
st200712 哎 没办法啦
求助啦 不行就点名啦@、@、@、@、@、@、@s、@从代码显示这应该是作者自已建的函数。最近医院搞三甲复审有点忙。其实是很好的一篇文章，改日再探讨
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
代码里面有几处错误 然后用interaction(test,test$case,test$A,test$B,0)
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
关于丁香园君，已阅读到文档的结尾了呢~~
用r软件做聚类分析的例子
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
用r软件做聚类分析的例子
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口