二維反應變項與高維度非線性迴歸資料之維度縮減:以頸動脈流體力學指標檢測腦梗塞危險度的分析為例

Tunghai University Institutional Repository > 管理學院 > 統計學系所 > 碩博士論文 > Item 310901/4994

Please use this identifier to cite or link to this item: http://140.128.103.80:8080/handle/310901/4994

Title:	二維反應變項與高維度非線性迴歸資料之維度縮減:以頸動脈流體力學指標檢測腦梗塞危險度的分析為例
Authors:	呂雅文 Lue, Ya-Wen
Contributors:	呂恆輝 Lue, Heng-Hui 東海大學統計學系
Keywords:	維度縮減;反切回歸;Principal Hessian directions;Sliced average variance estimation;高維度資料分析 Dimension reduction;Sliced inverse regression;Principal Hessian directions;Sliced average variance estimation;Multivariate data analysis
Date:	2004
Issue Date:	2011-05-19T07:25:07Z (UTC)
Abstract:	摘要分析高維度資料時，我們最感興趣的就是如何『維度縮減』問題。因為降低維度之後可以使用圖形目視方式，用以解析整個資料結構型態。在此篇論文中，我們使用李克昭教授所提出的反切迴歸和Principal Hessian Directions兩種方法，以及Dennis R.Cook教授所提出的Sliced Average Variance Estimation法，去分析來自中央研究院生物醫學科學研究所之肥胖與代謝症候群研究計畫的第三循環資料。探討右總頸動脈舒張期最低流速、右總頸動脈管徑、頸動脈斑塊分數和與這18個危險因子的非線性迴歸關係。這個研究結果發現由反切迴歸法所找出的重要腦梗塞危險因子『年齡、收縮壓、腰圍』和醫學上的文獻及醫學證據相符。且三個反應變項一起分析之結果，可看出所測試的人可能會有腦梗塞分為三種機制，一種是右總頸動脈舒張期最低流速較低，另一種為右總頸動脈管徑較粗，最後一種是頸動脈斑塊分數和較大。此研究結果幫助我們日後用較少的醫療診斷去判定最多的健康訊息，以減少醫療資源的浪費。
Appears in Collections:	[統計學系所] 碩博士論文

Files in This Item:

There are no files associated with this item.

Loading...