專案詳細資料
說明
一般統合分析的統計方法中,在合併每篇論文的統計量時,皆假設統計量的分配為常態分配,由於常態分配具有好的性質,在檢定或信賴間上容易進行推論的工作。但我們在進行統合分析的過程中,常常視這條件為必然,也不會進行常態分配的檢定,而Chen(2015)利用模擬的方式,檢驗當統計量來自常態分配或不來自常態分配時,其適合度檢定之型I錯誤的控制及檢定力之表現為何?另外,常態分配的檢定方式有很多種,包含:Anderson-Darling test, Cramer-von Mises test, Shapiro-Wilk test...等等,哪些方法才是較好的檢定統計量,在文中皆有一些陳述。不過,在此文章中,每篇研究之統計量,作者在進行資料模擬的過程中,統計量皆由分配模擬而來(例如常態分配),非考慮由母體抽樣樣本資料而來,這樣的模擬架構和實際研究之資料取得不同,不符合實務。本研究,提出一個新混效應之統合分析模型,將針對資料來源設計模擬程序,進行常態分配適合度檢定,並探討不同常態性檢定方法下之型I錯誤及檢定力之表現,在此以2X2之列聯表之資料為主,資料型態為類別資料,此資料特性常出現在臨床試驗、特定基因之表現型研究、流行病學之病例對照研究及世代研究下疾病及曝露之探討...等等。並提出針對統合分析之實例進行應用。
狀態 | 已完成 |
---|---|
有效的開始/結束日期 | 8/1/18 → 6/30/20 |
Keywords
- 常態性
- 適合度檢定
- 統合分析
- 混合效應模型
- 總效應
指紋
探索此專案觸及的研究主題。這些標籤是根據基礎獎勵/補助款而產生。共同形成了獨特的指紋。