线性回归中回归稀释偏倚校正的模拟研究

目的 比较Peto-MacMahon非参数法(PM)和Rosner回归校准法(RC)对线性回归中回归稀释偏倚的校正效果,同时讨论不同情况下得到回归系数最佳校正效果时所需要的最小样本量.方法 用Matlab软件随机模拟产生重复测量数据,建立线性回归模型,用PM法和RC法进行校正,比较设定的真实系数与校正前、后回归系数,评价校正效果.结果 总体样本量很大时(大于10000),无论测量误差的大小,当重复测量样本量达到总体样本量的10％ ～30％,回归系数能达到最佳校正效果;两种方法稳定性差异无统计学意义,但PM法在计算上有更大的优势.总体样本量较小时(小于300),无论测量误差的大小,当重复测量样本量达到总体样本量的15％ ～30％,回归系数能达到最佳校正效果;但当测量误差很大,样本量小于50时,RC法更稳定.结论 无论测量误差的大小,当重复测量数据达到一定样本量时,两种方法对回归系数的校正均有很好效果.在测量误差很大,且重复测量数据很少时,建议采用RC法进行校正;在其他情况下,建议采用PM法.