广义估计方程与混合线性模型在Python中的实现
焦奎壮
马煦晰
马小茜
刘朝屹
张青
马露
武汉大学公共卫生学院 武汉 430071
摘要：目的 探索纵向数据分析中广义估计方程和混合线性模型在Python中的实现方法,拓展Python软件在统计分析中的应用.方法 通过Python软件构建广义估计方程和混合线性模型,以环境流行病学的研究实例探索大气颗粒物PM2.5对肺功能的影响,并与R软件分析结果进行比较.结果 PM2.5是肺功能降低的危险因素,PM2.5每升高1μg/m3,研究对象2天后第1秒用力呼气容积减少8 mL.Python软件可用statsmodels库进行广义估计方程和混合线性模型的分析,实现过程程序语言简洁.与R软件相比,程序逻辑具有一定的相似性,参数估计和置信区间的计算结果基本一致,Python结果可信.结论 Python软件可灵活构建广义估计方程和混合线性模型,在实际研究中有一定参考价值.
关键词：Python广义估计方程混合线性模型纵向数据
资助基金：湖北省卫生健康委科研项目(2021—2022;WJ2021F103)
论文发表日期：2022-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 333-338 )
英文信息