.png){kind=icon}
返回
Multiple Comparisons With Overdispersed Multinomial Data: Methods, Properties and Application
.png){kind=icon}
OA
AI
DOI：10.1002/pst.70073.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
过度离散是聚类多项式数据中的常见问题，若未妥善处理，可能导致标准误差偏差并影响统计推断。本研究描述了在聚类、可能存在过度离散的多项式数据分析中，构建多重比较并应用多重性校正的全面程序。我们探讨了四种拟似然估计量和狄利克雷-多项式模型以应对过度离散。通过模拟研究，我们在不同场景下评估了这些方法的表现，重点关注族内错误率、统计功效和覆盖概率。研究发现，当需要严格误差控制时，建议使用Afroz拟似然估计量；而追求高统计功效时，狄利克雷-多项式模型更优，尽管需略微增加对假阳性的容忍度。此外，我们解决了组内零计数类别的挑战，表明纳入伪观测值可有效缓解相关估计困难。毒理学和流式细胞术真实数据集的实践应用强调了这些方法的有效性和实用价值。
Keyword:
categorical data analysis
clustered data
multiple contrasts
quasi-likelihood
zero counts
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
P
IF:
1.4
论文数:
51
被引数:
0
.png){kind=icon}
查看更多内容