Digital Module 16: Longitudinal Data Analysis

In this digital ITEMS module, Dr. Jeffrey Harring and Ms. Tessa Johnson introduce the linear mixed effects (LME) model as a flexible general framework for simultaneously modeling continuous repeated measures data with a scientifically defensible function that adequately summarizes both individual change as well as the average response. The module begins with a nontechnical overview of longitudinal data analyses drawing distinctions with cross-sectional analyses in terms of research questions to be addressed. Nuances of longitudinal designs, timing of measurements, and the real possibility of missing data are then discussed. The three interconnected components of the LME model—(1) a model for individual and mean response profiles, (2) a model to characterize the covariation among the time-specific residuals, and (3) a set of models that summarize the extent that individual coefficients vary—are discussed in the context of the set of activities comprising an analysis. Finally, they demonstrate how to estimate the linear mixed effects model within an open-source environment (R). The digital module contains sample R code, diagnostic quiz questions, hands-on activities in R, curated resources, and a glossary.     

体育多种预测方法的比较研究

摘要：运用相关回归、标准百分和多级多类判别理论，建立多元回归和单元回归预测模型，所建立的y1、y2、y3模型预测值准确度高，与实际专项成绩值的相关性显著、t检无差异、有显著的线性关系、tr检验呈高度相关。其中，y2模型预测值的准确度更高，建模方法更具简便性、实效性。     

体育多种预测方法的比较研究

运用3种不同的方法所建立的多元回归预测模型,其回归预测值的准确度均达到了99.26%以上,其回归的预测值与实际值的方差分析检验均呈无差异性,P》0.50水平.说明3种不同的方法所建立的预测模型的预测值均具有显著性意义.在3种建模方法中,均有评价作用,且其评价目的也不尽相同.在体育运动实践中可依据研究的目的,选择建模方法,以提高体育预测研究的效益.     

哪些研究问题需要用分层线性模型回答

采用常规的回归分析或方差分析处理行为科学与社会科学研究中经常遇到的嵌套数据，不能满足独立观察的假定，得到的标准误差较小，导致I型错误扩大化，同时，也不利于对不同层次变量不同作用的探讨，分层线性则明确区分数据层次，通过对个体水平变量和组别水平变量的分层综合分析，避免了上述弊病，因而可对个体水平的变量进行更准确的预测和更合理的解释，通过实例介绍了将研究问题与分层线性模型有机结合的方法。     

对2004～2005欧洲冠军联赛十六强主要技术指标与比赛名次的综合分析

利用逐步回归法对2004￣2005赛季欧洲冠军联赛十六强主要技术指标与比赛名次进行综合分析,其结果:各队平均失球是影响比赛名次的首要因素;其次是射进指数和角球。并对今后训练工作提出建议,以期为俱乐部的训练提供一定理论依据。     

北京市部分普通高校男篮队员专项身体素质有效成分研究

对北京市6所普通高校43名男篮队员的专项身体素质进行测评,经因子分析和回归分析等方法筛选出了影响运动训练水平的30m起动跑、助跑摸高、穿梭跑、28m×10折返跑等4个有效因子,并进一步提出了简易综合评定方法,为大学生男篮运动员身体训练水平评定提供了参考依据。     

影响中国大学生身心健康若干因素的调查分析

通过复式问卷递进调查,对影响中国大学生身心健康的若干因素进行了归因分析和量化排列.研究结果指出,课程繁重,体质下降,家庭贫困,就业压力是影响中国大学生身心健康的主要因素.其它如疾病传染、人际关系、考试制度、心理障碍等也将不同程度影响大学生身心健康.     

我国优秀女子举重运动员主要专项辅助动作成绩与竞赛动作成绩相关分析

采用文献资料、专家访谈、问卷调查、数理统计等研究方法,对我国优秀女子举重运动员主要专项辅助动作成绩与竞赛动作成绩进行相关研究。结果显示:主要专项辅助动作成绩与竞赛动作成绩具高度显著性相关;高抓、高翻借力推、宽硬拉成绩与抓举成绩,下蹲翻半挺成绩与挺举成绩直接相关;高抓、高翻借力推、下蹲翻半挺成绩共同作用影响抓举成绩;下蹲翻半挺、前深蹲成绩共同作用影响挺举成绩;主要专项辅助动作成绩受爆发力和绝对力量的影响。     

丁胱亚磺酰亚胺排空组织谷胱甘肽对大鼠心肌c-jun、c-fos mRNA的影响

设计三种实验模型,即力竭游泳运动模型、递增负荷游泳训练模型、BSO排空GSH模型,研究三种模型对大鼠心肌中原癌基因c-jun和c-fos mRNA表达的影响。结果发现力竭运动后训练力竭组、注射BSO力竭组、对照力竭组的大鼠心肌中c-jun mRNA表达量与相对应的训练安静组、注射BSO、对照安静组均增加,大鼠心肌中c-fos安静组mRNA表达量增加。BSO力竭组的c-fos mRNA表达量高于对照力竭组。训练力竭组与对照力竭组相比c-fos mRNA表达量没有明显变化。由上述实验结果推出,长时间力竭运动机体活性氧产生增加,c-jun mRNA和c-fos mRNA的表达量增加,进而激活转录因子AP-1。     

基于γ-散度的稳健有序误标记logistic回归

有序多分类方法已经得到了广泛研究。传统的有序多分类方法假设样本的类别标签是不存在误标记的。但是由于实际数据复杂以及人工经验有限,获得标记完全正确的样本是不现实的,因此,传统的方法就存在局限性。提出一种基于γ-散度的有序误标记logistic回归方法,在处理存在误标记的有序多分类问题时具有很强的稳健性,也就是说,当某一样本被错误标记时它对参数估计的权重小于其被正确标记时的权重。该方法通过最小化γ-散度构建模型,利用梯度下降算法求解模型,不仅具有很强的稳健性而且在模型中可以忽略误标记概率。模拟研究和真实数据分析都说明该有序误标记logistic回归方法在处理存在误标记的有序分类问题时效果很好。