臺灣博碩士論文加值系統

在長期追蹤資料(longitudinal data)中，我們可以發現同一個體的
資料間往往存在著相關性或常遭遇到資料不完整（uncompleted）問
題。本研究以模擬的方法和27 隻敗血症之公鼠對於血液中的IL6 和
IL10 酵素的記錄，探討建構混合模型所提供的共變異數矩陣做判別
分析其判別錯誤率與傳統的樣本共變異數矩陣做判別分析其判別錯
誤率之比較。
結果發現：在模擬部分中資料有無缺失值時，利用建構混合模型
所產生之共變異數矩陣的估計，不論設定何種型式之共變異數矩陣做
判別，其平均判別錯誤率都比用樣本共變異數矩陣做判別分析還要
小。且當兩群體樣本大小不一致時，在兩群體之平均間之距離拉大
時，其判別錯誤率之降低顯然較兩群體樣本大小相等時為慢。尤其在
資料有缺失時，其判別錯誤率之降低更加明顯。在共變異數矩陣模式
中，可以知道在UN 模式其判別錯誤率都比其他模式差，較佳模式為
CS 模式。在實例部分，使用混合模型檢定顯示出死亡和存活有顯著
差異。利用混合模式所建構最佳的共變異數矩陣做判別分析其判別錯
誤率未必是最低的。在IL6、IL10 和IL6/IL10 中使用混合模型所建構
之共變異數矩陣做判別分析其判別錯誤率沒有比使用樣本共變異數
矩陣做判別分析來的低。除了在IL10 兩個時間上，混合模型所建構
之共變異數矩陣做判別分析其判別錯誤率比使用樣本共變異數矩陣
做判別分析來的低。

第一章 緒論...........................................1
第一節 前言.......................................... 1
第二節 研究動機...................................... 2
第三節 研究目的...................................... 4
第二章 文獻探討.......................................5
第三章 理論架構.......................................9
第一節 判別分析...................................... 9
第二節 一般線性混合模式............................. 12
第四章 模擬研究......................................18
第一節 資料結構..................................... 18
第二節 結果......................................... 19
第三節 總結......................................... 22
第五章 實例分析......................................36
第一節 基本資料..................................... 36
第二節 研究分析..................................... 41
第六章 結論與未來研究方向............................62
參考文獻.............................................64
附 錄................................................67

[1] Avalos M., Hellard P., Chatard J. C. (2003). “Modeling the Training-Performance Relationship Using a Mixed Model in Elite Swimmers”.Medicine & Science in Sports & Exercise, Vol. 35,838-846.
[2] Cnaan A., Laird N. M., Slasor P. (1997). “Tutorial in Biostatistics Using the General Linear Mixed Model to Analyse Unbalanced Repeated Measures and Longitudinal Data”. Statistics in Medicine,Vol. 16, 2349-238.
[3] Cochran W. G., Bliss C. I. (1948). “Discrimiant Functions with Covariance”. Annals of Mathematical Statistics, Vol. 19, 151-176.
[4] Fung W. K. (1995). “Diagnostics in Linear Discriminant Analysis”. Journal of the American Statistical Association, Vol.431, 952-956.
[5] Harville D. A. (1975). “Bayesian inference for variance components using only error contrasts”. Biometrika, 61, 383-385.
[6] Im S. (1992). “Mixed Linear Model with Uncertain Paternity”. Royal Statistical Society, Vol. 41, 109-116.
[7] Jones B., Wang J. (2000). “The Analysis of Repeated Measurements in Sensory and Consumer Studies”. Food Quality and Preference,Vol. 11, 35-41.
[8] Lachenbruch P. A., Goldstein M. (1979). “Discriminant Analysis”.Biometrics Vol. 35, 69-85.
[9] Laird N. M., Ware J. H. (1982). “Random-Effects Models for Longitudinal Data”. Biometrics Vol. 38, 963-974.
[10] Lindstrom M. J. and Bates D. M. (1988). “Newton-Raphson and EM Alogorithms for Linear Mixed-Effects Models for Repeated-Measures Date”. Journal of the American Statistical Association, Vol. 83, 1014-1022.
[11] Marks S. and Dunn O. J. (1974). “Discriminant Functions When Covariance Matrices Are Unequal”. Journal of the American Statistical Association, Vol. 69, No. 346, 555-559.
[12] McGilchrist C.A. (1994). “Estimation in Generalized Mixed Models”. J.R.Statist.Soc.B,56 61-69.
[13] Nelder, J. and Wedderburn R. W. M. (1972). “Generalized Linear Models”.Journal of Royal Statistical Society. 135 : 370-384.
[14] Patterson H.D and Thompson R. (1971). “Recovery of Inter-block Information when Block Sizes are Unequal”. Biometrika Vol. 58,545-554.
[15] Press S. J. and Wilson S. (1978). “Choosing Between Logistic Regression and Discriminant Analysis”. Journal of the American Statistical Association, Vol.73,No.364 699-705.
[16] Rao C. R. (1973). “Linear Statistical Inference and its Applications”. 2nd Ed. John Wiley and Sons.
[17] Tomasko L., Helms R. W., Snapinn S. M. (1999). “A Discriminant Analysis Extension to Mixed Models”. Statistics in Medicine, Vol. 18,1249-1260.
[18] Thompson W. A. (1962). “The Problem of Negative Estimates of Variance Components”. Annals of Mathematical Statistics Vol. 33,273-289.
[19] Wahl P. W., Kronmal R. A. (1977). “Discriminant Functions when Covariances are Unequal and Sample Sizes are Moderate”.Biometrics Vol. 33, 479-484.
[20] Wernecke K.D., Kalb G., Schink T., Wegner B. (2004). “A Mixed Model Approach to Discriminant Analysis with Longitudinal Data” .Biometrical Journal 46, 246-254.
[21]呂奇傑、邱志洲和李天行(2001)『演化式類神經網路分類技術於資料探勘上之應用』，輔仁大學應用統計學研究所碩士論文。
[22]吳季容、樓文達(2000)『MCEM 方法應用於廣義線性混合模型的研究』，中正大學數理統計研究所碩士論文。
[23]陳佩君(2002)『利用貝氏統計推論變異數之REML 估計值』，臺灣大學流行病學研究所碩士論文。
[24]劉憲璋、洪一平和傅楸善(2003)『以集群相依的鑑別子空間基礎的個人化人臉身份確認系統』，台灣大學資訊工程學研究所碩士論文。