顶部
  1. 首页
  2. 图书产品
  3. 观察性研究的设计(第二版)
收藏

观察性研究的设计(第二版)

样章
作者：
Paul R. Rosenbaum 著 杨伟 周晓华 韩开山 邓宇昊 译
定价：
119.00元
ISBN：
978-7-04-062326-0
版面字数：
640.000千字
开本：
16开
全书页数：
暂无
装帧形式：
平装
重点项目：
暂无
出版时间：
2024-09-23
读者对象：
学术著作
一级分类：
自然科学
二级分类：
统计学
三级分类：
应用统计学
暂无
  • 前辅文
  • 第Ⅰ部分 开篇
    • 第1章 困境与解决技术
      • 1.1 令人困惑的维生素效果
      • 1.2 Cochran的基本建议
        • 1.2.1 处理、协变量、结果
        • 1.2.2 如何分配处理?
        • 1.2.3 处理组和对照组是否具有可比性?
        • 1.2.4 消除对处理效应看似合理的替代方案
        • 1.2.5 排除标准
        • 1.2.6 在处理分配后退出处理组
        • 1.2.7 研究方案
      • 1.3 Maimonides规则
      • 1.4 车祸中的安全带
      • 1.5 大学教育资金
      • 1.6 自然界的“自然实验”
      • 1.7 这本书是关于什么的
        • 1.7.1 本书的基本结构
        • 1.7.2 第Ⅰ部分的结构: 开篇
        • 1.7.3 第Ⅱ部分的结构: 匹配
        • 1.7.4 第Ⅲ部分的结构: 设计灵敏度
        • 1.7.5 第Ⅳ部分的结构: 增强设计
        • 1.7.6 第Ⅴ部分的结构: 计划分析
        • 1.7.7 对观察性研究的不太技术性的介绍
        • 1.7.8章 节之间的依赖性
      • 1.8 延伸阅读
      • 参考文献
    • 第2章 随机试验中的因果推断
      • 2.1 国家支持工作试验的两个版本
        • 2.1.1 具有185对的版本和5对的版本
        • 2.1.2 基本符号
      • 2.2 随机试验中的处理效应
        • 2.2.1 替代处理下的潜在响应
        • 2.2.2 协变量和结果
        • 2.2.3 可能的处理分配和随机化
        • 2.2.4 个体间的干扰
      • 2.3 检验无处理效应零假设
        • 2.3.1 零假设为真时的处理减去对照的差
        • 2.3.2 平均差的随机化分布
        • 2.3.3 Wilcoxon统计量的随机化分布
      • 2.4 检验其他假设; 置信区间
        • 2.4.1 常数可加处理效应的检验
        • 2.4.2 常数可加效应的置信区间
        • 2.4.3 效应的Hodges-Lehmann点估计
        • 2.4.4 平均处理效应
        • 2.4.5 检验处理效应的一般假设
        • 2.4.6 可乘效应
      • 2.5 归因效应
        • 2.5.1 为什么使用归因效应?
        • 2.5.2 一致响应: 将注意力从配对转移到个体
        • 2.5.3 通过关注配对小群体来思考异质性效应
        • 2.5.4 计算
      • 2.6 内部和外部效度
      • 2.7 小结
      • 2.8 附录: m-统计量的随机化分布
        • 2.8.1 使用ψ 函数赋予对照观察值权重
        • 2.8.2 缩放比例
        • 2.8.3 可加效应假设H0:rTij=rCij+τ0的随机化检验
        • 2.8.4 国家支持工作示范(NSW)试验中的m-检验
      • 2.9 延伸阅读
      • 2.10 软件
      • 2.11 数据
      • 参考文献
    • 第3章 观察性研究的两个简单模型
      • 3.1 匹配前的人群
      • 3.2 理想匹配
      • 3.3 一个朴素的模型: 看起来可比的人是可比的
        • 3.3.1 通过抛有偏硬币来分配处理，这些未知偏倚由观察到的协变量确定
        • 3.3.2 倾向性评分的平衡性质
        • 3.3.3 倾向性评分和可忽略处理分配
        • 3.3.4 总结: 将两项任务分开，一项是机械的，另一项是科学的
      • 3.4 敏感性分析: 看起来相似的人可能会不同
        • 3.4.1 什么是敏感性分析?
        • 3.4.2 敏感性分析模型: 来自随机分配的定量偏差
        • 3.4.3 对观察到的协变量配对时的敏感性分析模型
      • 3.5 焊接烟尘和DNA损伤
        • 3.5.1 检验无处理效应假设时的敏感性分析
        • 3.5.2 计算过程
        • 3.5.3 置信区间的敏感性分析
        • 3.5.4 点估计的敏感性分析
      • 3.6 敏感性分析的参数扩大
        • 3.6.1 什么是参数扩大?
        • 3.6.2 关于(Λ,Δ)的敏感性分析
        • 3.6.3 (Λ,Δ)的确切含义
      • 3.7 不完全匹配导致的偏倚
      • 3.8 小结
      • 3.9 延伸阅读
      • 3.10 软件
      • 3.11 数据
      • 附录: 敏感性分析的精确计算
      • 参考文献
    • 第4章 竞争理论结构设计
      • 4.1 石头如何下降
      • 4.2 永久的债务假说
      • 4.3 枪支和轻罪
      • 4.4 1944—1945年的荷兰饥荒
      • 4.5 复制效应和偏倚
      • 4.6 效应的原因
      • 4.7 对系统的驱动力
      • 4.8 延伸阅读
      • 参考文献
    • 第5章 机遇、策略和工具
      • 5.1 机遇
        • 5.1.1 秩序井然的世界
        • 5.1.2 问题
        • 5.1.3 解决方案
      • 5.2 策略
        • 5.2.1 消除歧义
        • 5.2.2 多个对照组
        • 5.2.3 几种结果之间的一致性
        • 5.2.4 已知的效应
        • 5.2.5 处理剂量
        • 5.2.6 差别效应和通用偏倚
      • 5.3 工具
        • 5.3.1 什么是工具?
        • 5.3.2 实例: 双盲随机试验中的非依从性
        • 5.3.3 实例: Maimonides规则
        • 5.3.4 配对鼓励设计中工具的符号
        • 5.3.5 效应与剂量成正比的假设
        • 5.3.6 关于β的推断
        • 5.3.7 实例: 对Maimonides规则的工具变量(IV)分析
        • 5.3.8 效应比
        • 5.3.9 工具的有效性是可检验的吗?
        • 5.3.10 工具变量什么时候有价值，为什么有价值?
      • 5.4 强化弱工具
        • 5.4.1 为什么要强化工具?
        • 5.4.2 健康结局指标研究中的流行工具: 到一家医院的距离
        • 5.4.3 如何强化工具?
        • 5.4.4 利用匹配强化工具
      • 5.5 小结
      • 5.6 延伸阅读
      • 5.7 软件
      • 5.8 数据
      • 参考文献
    • 第6章 透明度
      • 参考文献
    • 第7章 一些反诉损害自身
      • 7.1 对反诉进行评价
        • 7.1.1 反诉的类型
        • 7.1.2 反诉自损的逻辑
      • 7.2 一个实例: 安全带、伤害和弹射
        • 7.2.1 对一个实例的初步了解: 反诉前的主张
        • 7.2.2 选择偏倚和次要结果的反诉
        • 7.2.3 从反诉的角度重新审视一个实例
      • 7.3 讨论
        • 7.3.1 预期反诉
        • 7.3.2 一些理论
      • 7.4 延伸阅读
      • 7.5 数据
      • 参考文献
  • 第Ⅱ部分 匹配
    • 第8章 匹配的观察性研究
      • 8.1 更多的化疗是否更加有效?
      • 8.2 匹配观察到的协变量
      • 8.3 配对患者的结局指标
      • 8.4 小结
      • 8.5 延伸阅读
      • 参考文献
    • 第9章 多元匹配的基本工具
      • 9.1 一个小实例
      • 9.2 倾向性评分
      • 9.3 距离矩阵
      • 9.4 最优配对匹配
      • 9.5 多个对照最优匹配
      • 9.6 最优完全匹配
      • 9.7 效率
      • 9.8 小结
      • 9.9 延伸阅读
      • 9.10 软件
      • 9.11 数据
      • 参考文献
    • 第10章 匹配中的各种实际问题
      • 10.1 检验协变量的平衡性
      • 10.2 用于诊断的模拟随机试验
      • 10.3 近精确匹配
      • 10.4 精确匹配
      • 10.5 定向惩罚
      • 10.6 缺失的协变量值
      • 10.7 匹配的网络与稀疏表示
      • 10.8 个体距离的约束
      • 10.9 整群处理分配
      • 10.10 延伸阅读
      • 10.11 软件
      • 参考文献
    • 第11章 精细平衡
      • 11.1 什么是精细平衡?
      • 11.2 构造一个精细平衡的对照组
      • 11.3 在精细平衡不可行的情况下控制不平衡
      • 11.4 精细平衡、精确匹配和近精确匹配
      • 11.5 近精细平衡
      • 11.6 精致平衡
      • 11.7 强度K平衡
      • 11.8 基数匹配
        • 11.8.1 什么是基数匹配?
        • 11.8.2 基数匹配和结果异质性
        • 11.8.3 基数匹配和效应修正
      • 11.9 延伸阅读
      • 11.10 软件
      • 11.11 数据
      • 参考文献
    • 第12章 无组别匹配
      • 12.1 无组别匹配: 非二部匹配
        • 12.1.1 什么是非二部匹配?
        • 12.1.2 使用非二部匹配算法的处理—对照匹配
        • 12.1.3 剂量匹配
        • 12.1.4 多个组匹配
      • 12.2 无组别匹配的一些实用性方面
        • 12.2.1 奇数个受试者
        • 12.2.2 丢弃一些受试者
        • 12.2.3 三组的平衡不完全区组设计
        • 12.2.4 多个组别的倾向性评分
      • 12.3 两个对照组的剂量匹配
        • 12.3.1 最低工资会降低就业率吗?
        • 12.3.2 形成两个独立比较的最优匹配
        • 12.3.3 两个对照组的就业变化的差值
      • 12.4 延伸阅读
      • 12.5 软件
      • 12.6 数据
      • 参考文献
    • 第13章 风险集匹配
      • 13.1 心脏移植能延长生命吗?
      • 13.2 间质性膀胱炎手术的风险集匹配研究
      • 13.3 从新生儿重症监护室到出院时发育成熟
      • 13.4 在14岁时加入帮派
      • 13.5 一些理论
      • 13.6 自然实验中的隔离
        • 13.6.1 差别效应和通用偏倚的简要综述
        • 13.6.2 什么是隔离
        • 13.6.3 双胞胎与单胎及其对劳动力供给的影响
        • 13.6.4 致人死亡的交通事故的质量与安全
      • 13.7 延伸阅读
      • 13.8 软件
      • 参考文献
    • 第14章 在统计软件包R中实现匹配
      • 14.1 使用统计软件包R实现最优匹配
      • 14.2 数据
      • 14.3 倾向性评分
      • 14.4 带有缺失值的协变量
      • 14.5 距离矩阵
      • 14.6 构造匹配
      • 14.7 检验协变量的平衡
      • 14.8 大学入学结果
      • 14.9 延伸阅读
      • 14.10 软件
      • 14.11 数据
      • 附录1: R的简介
      • 附录2: 关于距离矩阵的R函数
      • 参考文献
  • 第Ⅲ部分 设计灵敏度
    • 第15章 敏感性分析的功效及其极限
      • 15.1 一项随机试验中的检验功效
        • 15.1.1 检验功效是什么?
        • 15.1.2 关于统计功效的鼓舞人心的讲话
        • 15.1.3 随机试验中的功效计算: 两个步骤
        • 15.1.4 步骤1: 在零假设为真的情况下确定临界值
        • 15.1.5 步骤2: 在零假设不真的情况下确定功效
        • 15.1.6 一个简单的例子: 带有随机误差的常数效应
      • 15.2 观察性研究中敏感性分析的功效
        • 15.2.1 敏感性分析的功效是什么?
        • 15.2.2 计算敏感性分析的功效: 两个步骤
        • 15.2.3 第二步: 当零假设不真且不存在未观察到的偏倚时的功效确定
        • 15.2.4 敏感性分析功效的初看
      • 15.3 设计灵敏度
        • 15.3.1 设计灵敏度初看
        • 15.3.2 设计灵敏度公式
        • 15.3.3 计算带有可加效应和独立同分布误差的设计灵敏度
      • 15.4 小结
      • 15.5 延伸阅读
      • 附录: 命题15.1 的技术说明及证明
      • 参考文献
    • 第16章 异质性和因果关系
      • 16.1 J. S. Mill和R. A. Fisher: 减少异质性或引入随机分配
      • 16.2 一项规模较大、异质性较高的研究与一项规模较小、异质性较低的研究的对比
        • 16.2.1 大I或小σ: 哪个更好?
        • 16.2.2 一个模拟的实例
        • 16.2.3 正态误差、logistic误差和Cauchy误差的功效对比
        • 16.2.4 设计灵敏度
      • 16.3 点估计的异质性和敏感性
      • 16.4 尝试降低异质性的实例
        • 16.4.1 双胞胎
        • 16.4.2 道路危险
        • 16.4.3 微观经济学的基因工程小鼠
        • 16.4.4 摩托车头盔
      • 16.5 小结
      • 16.6 延伸阅读
      • 参考文献
    • 第17章 不常见但巨大的处理响应
      • 17.1 偶尔出现的大效应
        • 17.1.1 大的但罕见的效应对未测量偏倚是不敏感的吗?
        • 17.1.2 第2.5节的回顾: 测量较大但不常见的效应
      • 17.2 两个实例
        • 17.2.1 卵巢癌治疗的化疗强度和毒性
        • 17.2.2 铝生产工人中的DNA加合物
      • 17.3 Salsburg模型的配对版本的性质
      • 17.4 对不常见但巨大效应的设计灵敏度
        • 17.4.1 Stephenson检验的设计灵敏度
        • 17.4.2 Salsburg模型下Stephenson检验的设计灵敏度
      • 17.5 小结
      • 17.6 延伸阅读
      • 17.7 软件
      • 17.8 数据
      • 附录: 命题17.1的证明概述
      • 参考文献
    • 第18章 预期且已发现的响应模式
      • 18.1 使用设计灵敏度来评估策略
      • 18.2 一致性
        • 18.2.1 多个响应的表示法
        • 18.2.2 多元正态分布响应
        • 18.2.3 二元正态响应的数值结果
        • 18.2.4 一般λ 的实际实现
      • 18.3 一致性能被发现吗?
        • 18.3.1 使用分割的样本为一致性做计划
        • 18.3.2 考虑每一个可能的λ
        • 18.3.3 关于λ的对冲赌注
        • 18.3.4 小结
      • 18.4 剂量
        • 18.4.1 另一种记写符号秩统计量的方法
        • 18.4.2 剂量的有利形势
        • 18.4.3 剂量的设计灵敏度公式
        • 18.4.4 设计灵敏度的数值评估
      • 18.5 实例: Maimonides规则
      • 18.6 反应性剂量
      • 18.7 延伸阅读
      • 18.8 软件
      • 18.9 数据
      • 附录: 命题18.1的证明
      • 参考文献
    • 第19章 检验统计量的选择
      • 19.1 检验统计量的选择影响设计灵敏度
        • 19.1.1 设计预期分析
        • 19.1.2 一个简单的例子: 分段秩统计量、可加效应、正态误差
      • 19.2 为优越的设计灵敏度而构建的统计量
        • 19.2.1 构建新的统计量用于敏感性分析
        • 19.2.2 具有优越设计灵敏度的新型U-统计量
        • 19.2.3 实例: 化疗相关的毒性反应
        • 19.2.4 实例: 吸烟者的血铅水平
        • 19.2.5 m-统计量
        • 19.2.6 总结
      • 19.3 自适应推断
        • 19.3.1 用数据选择检验统计量
        • 19.3.2 实例: 化疗相关毒性的自适应推断
        • 19.3.3 实例: 吸烟者血铅水平的自适应推断
      • 19.4 设计灵敏度和剂量效应
        • 19.4.1 剂量效应和因果关系证据
        • 19.4.2 吸烟和牙周病
        • 19.4.3 忽略剂量: 牙周病的配对差
        • 19.4.4 横切检验
        • 19.4.5 横切检验的设计灵敏度
        • 19.4.6 分层横切检验
        • 19.4.7 自适应横切检验
        • 19.4.8 横切检验和证据因素
      • 19.5 敏感性分析的Bahadur效率
        • 19.5.1 事情的进展如何?
        • 19.5.2 几种类型的效率
        • 19.5.3 在敏感性分析中使用Bahadur效率
      • 19.6 延伸阅读
      • 19.7 软件
      • 19.8 数据
      • 参考文献
  • 第Ⅳ部分 增强设计
    • 第20章 证据因素
      • 20.1 什么是证据因素?
        • 20.1.1 复制应该破坏可能的偏倚
        • 20.1.2 复制和证据因素
        • 20.1.3 实例: 吸烟和牙周病
        • 20.1.4 本章阐述的问题
      • 20.2 最简单的非平凡情况: Renyi偏秩
        • 20.2.1 制革厂工人的DNA损伤
        • 20.2.2 零假设下随机试验中的Renyi偏秩
        • 20.2.3 Wilcoxon分层秩和检验
        • 20.2.4 使用Wilcoxon秩和检验的两个证据因素
        • 20.2.5 偏秩的局限性
        • 20.2.6 证据因素的敏感性分析
      • 20.3 第二个实例: 吸烟和牙周病
      • 20.4 附录: 一些理论
        • 20.4.1 一个小实例
        • 20.4.2 置换矩阵群的基本理论
        • 20.4.3 置换矩阵群上的概率分布
        • 20.4.4 不变检验统计量
        • 20.4.5 忽略一个证据因素
        • 20.4.6 对可能是不对称偏倚的对称敏感性分析
        • 20.4.7 固定一个证据因素
        • 20.4.8 两个P-值界限的联合行为
        • 20.4.9 两个证据因素的P-值界限的联合分布
        • 20.4.10 另一个实例: 大小为3 的区组
        • 20.4.11 不整齐的区组
      • 20.5 延伸阅读
      • 20.6 软件
      • 20.7 数据
      • 参考文献
    • 第21章 构造多个比较组
      • 21.1 为什么比较多个组
        • 21.1.1 多个比较组的使用
        • 21.1.2 构造多个比较组时的问题
      • 21.2 重叠的比较组和外部匹配
        • 21.2.1 两个相互纠缠的比较组
        • 21.2.2 外部匹配
      • 21.3 最优锥形匹配
      • 21.4 用近似算法构建匹配集
        • 21.4.1 一个难题的近似最优解
        • 21.4.2 什么是3组的近精细平衡?
        • 21.4.3 一种近似算法
      • 21.5 是否有可能减弱未测量偏倚?
        • 21.5.1 减弱: 逻辑上有可能，但幅度很小
        • 21.5.2 多观察，少推测
        • 21.5.3 吸烟与高半胱氨酸水平升高
      • 21.6 延伸阅读
      • 21.7 软件
      • 参考文献
  • 第Ⅴ部分 计划分析
    • 第22章 匹配后，分析前
      • 22.1 分割样品和设计灵敏度
      • 22.2 分析调整可行吗?
        • 22.2.1 锥形匹配和外部匹配
      • 22.3 匹配和深度描述
        • 22.3.1 深度描述
        • 22.3.2 什么是深度描述?
        • 22.3.3 实例: 手术后死亡率
      • 22.4 延伸阅读
      • 22.5 软件
      • 参考文献
    • 第23章 计划分析
      • 23.1 制定计划
      • 23.2 详尽的理论
        • 23.2.1 R. A. Fisher的建议
        • 23.2.2 有计划的分析应该完成什么?
      • 23.3 两个对照组的3项简单的分析计划
        • 23.3.1 两个对照组的简单分析计划
        • 23.3.2 两个对照组的对称分析计划
        • 23.3.3 两个对照组是近乎等效的吗?
        • 23.3.4 两个对照组的初步分析计划
        • 23.3.5 两个对照组的备选分析计划
        • 23.3.6 小结
      • 23.4 两个结果的敏感性分析及一致性
      • 23.5 等效性检验的敏感性分析
      • 23.6 等效性与差异的敏感性分析
      • 23.7 小结
      • 23.8 延伸阅读
      • 附录: 按顺序检验假设
      • 什么是一系列假设的序列排他划分?
      • 按顺序检验假设
      • 按顺序检验的敏感性分析
      • 参考文献
  • 总结: 设计的关键要素
  • 常见问题的解决方案
    • 参考文献
  • 符号表
  • 首字母缩略词
  • 统计术语汇编
  • 延伸阅读书目
  • 课程建议阅读材料

相关图书

临床试验设计的统计方法​

尹国圣 石昊伦

￥79.00 收藏

基于INLA的贝叶斯回归建模

Xiaofeng Wang, Yu Ryan Yue, Julian J. Faraway 著, 汤银才，周世荣 译

￥89.00 收藏

社会科学的空间回归模型

Guangqing Chi, Jun Zhu 著，王平平 译

￥79.00 收藏

缺失数据统计分析（第三版）

Roderick J. A. Little, Donald B. Rubin 著，周晓华、邓宇昊 译

￥89.00 收藏

蒙特卡罗方法与随机过程：从线性到非线性

Emmanuel Gobet 著，许明宇 译

￥89.00 收藏

诊断医学中的统计学方法

侯艳, 李康, 宇传华, 周晓华

￥89.00 收藏

递归划分方法及其应用

Heping Zhang, Burton H.Singer 著，王学钦 译

￥69.00 收藏