(3.238.240.197) 您好!臺灣時間:2021/04/12 02:17
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:劉國輝
論文名稱:複雜抽樣設計下邏輯斯迴歸模式之分析
指導教授:陳麗霞陳麗霞引用關係
學位類別:碩士
校院名稱:國立政治大學
系所名稱:統計研究所
學門:數學及統計學門
學類:統計學類
論文種類:學術論文
論文出版年:2004
畢業學年度:92
語文別:中文
論文頁數:60
中文關鍵詞:複雜抽樣設計邏輯斯迴歸模式
相關次數:
  • 被引用被引用:2
  • 點閱點閱:167
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0


當反應變數是二元(binary)時,邏輯斯迴歸(logistic regression)可幫助我們建立解釋變數與反應變數間的關係。然而,一般在進行邏輯斯迴歸分析時,總是假設樣本資料是由簡單隨機抽樣(simple random sampling)所取得,亦即所有的樣本皆具有相同的抽樣權重(sampling weights)。不過,在實務上,許多的大型抽樣調查都是採用複雜抽樣方法(complex sampling method)來抽取樣本。例如:採用多階段抽樣(multistage sampling)結合分層抽樣(stratified sampling)或是群集抽樣(cluster sampling)的方式來進行抽樣。由於樣本不再是以簡單隨機抽樣所取得,因此,統計分析的方式可分為兩類:一類乃設計導向(design-based);另一類則為模式導向(model-based)。其中,若將抽樣調查的抽樣設計方式以及樣本的代表性與統計模式的估計或檢定等推論過程相結合,則其屬於設計導向之方式。反之,若忽略這些因素,則相當於視調查資料來自於簡單隨機樣本,仍遵循一般的程序進行分析,則稱之為模式導向。本論文旨在探討如何以設計導向的方法,進行複雜抽樣方法所取得樣本資料的邏輯斯迴歸分析。



第一章 緒論 ………………………………………………………… 1
第一節 研究動機與目的 ……………………………………… 1
第二節 本文結構 ……………………………………………… 3
第二章 複雜抽樣設計下的邏輯斯迴歸模式 ……………………… 4
第一節 邏輯斯迴歸模式的基本概念 ………………………… 5
第二節 牛頓法 ………………………………………………… 7
第三節 以未整合資料建立邏輯斯迴歸模式 ………………… 9
第四節 以整合資料建立邏輯斯迴歸模式 …………………… 19
第三章 實例研究 …………………………………………………… 38
第一節 抽樣方法與變數介紹 ………………………………… 38
第二節 複雜抽樣設計下的邏輯斯迴歸模式 ………………… 40
第三節 設計導向與模式導向下結果的比較 ………………… 48
第四章 結論與建議 ………………………………………………… 52
參考文獻 …………………………………………………………… 55
附錄一 ……………………………………………………………… 57
附錄二 ……………………………………………………………… 59
附錄三 ……………………………………………………………… 60



1. Agresti, A. (1990), Categorical Data Analysis. John Wiley & Sons, New York, pp. 115-117.
2. Birch, MW (1963), A New Proof of the Pearson-Fisher Theorem, Mathematical Statistics. 35, pp. 817-824.
3. Graubard, BI, Korn, EL & Midthune, D. (1997), Testing Goodness of Fit for Logistic Regression with Survey Data, National Cancer Institute.
4. Guttman, I. (1982), Linear Models: An Introduction. John Wiley & Sons, Inc.
5. Hosmer, DW & Lemeshow, S. (2000), Applied Logistic Regression. John Wiley, Inc., New York , pp. 147-149, 203-365.
6. Jesse, AC, Brian, DM & Joseph, AC (1995), Logitse : A SAS Marco for Logistic Regression Modeling in Complex Surveys.
7. Korn, EL & Grraubard, BI (1990), Simultaneous Testing of Regression Coefficients With Complex Survey Data : Use of Bonferroni t Statistics. American Statistics, 44, pp. 270-276.
8. Lehtonen, R. & Pahkinen, EJ (1995), Practical Methods for Design and Analysis of Complex Surveys. John Wiley & Sons, Inc., New York, pp. 269-276.
9. Roberts, G., Rao, JNK. & Kumar, S. (1987), Logistic Regression Analysis of Sample Survey Data, Biomertrika, 74, 1, pp. 1-12.
10. Skinner, CJ, Holt, D. & Smith, TMF. (1989), Analysis of Complex Surveys. John Wily & Son, Inc., Singapore.
11. Stata Press (2001), STATA 7 Reference Su-Z. College Station, Texas.
12. Stata Press (2001), STATA 7 User’s Guide. College Station, Texas.
13. Thomas, AW (1991), Introduction to Linear Algebra. Blackie & Son, Inc, pp. 186.
14. Wolter, KM (1985), Introduction to Variance Estimation. Springer & Verlag, Inc., New York, pp. 153-156, 221-228.

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔