基于双边相关分层数据的统计推断

In classical analysis for contingency table, the intra-calss construction information is rarely taken into account. Meanwhile, most of them are based on asymptotic methodology for large sample. In some medical comparative studies and biogenetics studies, outcomes are bilateral and dichotomous. They are likely to be correlated when they come from the same observed unit. Statistical procedures ignoring the correlation could lead to incorrect results and taking the correlation into account one can reduce variability and give more precise comparison. New statistics methods for this kind of data are developed based on the improvement of computing power these years which are very helpful for practioners. However, there are still some important problems to be solved. In this proposal, we focus on the model selection, hypothesis testing,construction of confidence intervals and trial design problems based on correlated models for the stratified correlation balateral binary data.We will compare and evaluate different methodologies through simulation studies and recommend the appropriate ones for practioners. Meanwhile, we while develop related processes and software for practical applications. This show that the study of our proposal has practical significance and application value.

关于列联表数据分析，传统方法较少考虑数据内部结构信息，涉及到的统计方法多为大样本渐近方法。在一些医学比较研究和生物遗传学研究中，人们常常会得到双边两值数据。通常这类成对数据之间具有很强的相关性。如果忽略这种相关性的结构信息，或者选择不恰当的考虑相关性的模型，都会导致实际研究者得到不恰当、甚至错误的结论。关于这种类型数据的统计推断近年来才发展起来。随着计算机运算能力的提高，各种精确统计方法得以实现，为实际工作者提供了有力的工具，但还有很多重要问题尚未解决。本项研究旨在针对双边相关两值数据中的分层数据的模型选择、考虑数据相关结构信息下的假设检验、构建置信区间、实验设计等问题提出大样本渐近方法及小样本或结构稀疏数据的精确推断以及非参数推断方法，并通过计算机模拟对其进行比较与评价，进而对实际应用者起到指导作用。因此，本项研究具有重要的理论意义和应用价值。

关于列联表数据分析，传统方法较少考虑数据内部结构信息，涉及到的统计方法多为大样本渐近方法。在一些医学比较研究和生物遗传学研究中，人们常常会得到双边两值数据。通常这类成对数据之间具有很强的相关性。如果忽略这种相关性的结构信息，或者选择不恰当的考虑相关性的模型，都可能会导致实际研究者得到不恰当、甚至错误的结论。关于这种类型数据的统计推断近年来才发展起来。随着计算机运算能力的提高，各种精确统计方法得以实现，为实际工作者提供了有力的工具，但还有很多重要问题尚未解决。本项目主要研究了双边相关两值数据中的分层数据的模型选择、考虑数据相关结构信息下的假设检验、构建置信区间、实验设计等问题，提出大样本渐近方法及小样本或结构稀疏数据的精确推断方法，并通过计算机模拟对各种方法进行比较与评价，进而对实际应用者起到指导作用，本项研究具有重要的理论意义和应用价值。