Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Basics of Multivariate Analysis in Neuroimaging Data06:35

Basics of Multivariate Analysis in Neuroimaging Data

17.3K
The current article describes the basics of multivariate analysis and contrasts it to the more commonly used voxel-wise univariate analysis. Both types of analysis are applied to a clinical-neuroscience data set. Supplementary split-half simulations show better replication of the multivariate results in independent data...
17.3K
Establishing a Competing Risk Regression Nomogram Model for Survival Data04:57

Establishing a Competing Risk Regression Nomogram Model for Survival Data

10.8K
Presented here is a protocol to build nomograms based on the Cox proportional hazards regression model and competing risk regression model. The competing method is a more rational method to apply when competing events are present in the survival...
10.8K
Correlation and Regression00:53

Correlation and Regression

3.1K
In statistics, correlation describes the degree of association between two variables. In the subfield of linear regression, correlation is mathematically expressed by the correlation coefficient, which describes the strength and direction of the relationship between two variables. The coefficient is symbolically represented by 'r' and ranges from -1 to +1. A positive value indicates a positive correlation where the two variables move in the same direction. A negative value suggests a...
3.1K
A Method to Estimate Cadaveric Femur Cortical Strains During Fracture Testing Using Digital Image Correlation09:34

A Method to Estimate Cadaveric Femur Cortical Strains During Fracture Testing Using Digital Image Correlation

7.8K
In this protocol, the femur surface strains are estimated during fracture testing using the digital image correlation technique. The novelty of the method involves application of a high-contrast stochastic speckle pattern on the femur surface, carefully specified illumination, high speed video capture, and digital image correlation analysis for strain calculations.
7.8K
Cross-Modal Multivariate Pattern Analysis13:51

Cross-Modal Multivariate Pattern Analysis

20.5K
Classical multivariate pattern analysis predicts sensory stimuli a subject perceives from neural activity in the corresponding cortices (e.g. visual stimuli from activity in visual cortex). Here, we apply pattern analysis cross-modally and show that sound- and touch-implying visual stimuli can be predicted from activity in auditory and somatosensory cortices,...
20.5K
Detection and Quantification of Plasmodium falciparum in Aqueous Red Blood Cells by Attenuated Total Reflection Infrared Spectroscopy and Multivariate Data Analysis10:50

Detection and Quantification of Plasmodium falciparum in Aqueous Red Blood Cells by Attenuated Total Reflection Infrared Spectroscopy and Multivariate Data Analysis

8.4K
Here, we present a protocol for the detection and quantification of Plasmodium falciparum in infected aqueous red blood cells using an attenuated total reflection infrared spectrometer and multivariate data...
8.4K

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

A construction of statistical inferences in geographically weighted univariate log-gamma regression.

MethodsX·2026
Same author

Modified partial least square structural equation model with multivariate adaptive regression spline: Parameter estimation technique and applications.

MethodsX·2025
Same author

Estimation of parameters and hypothesis testing of multivariate spatial autoregressive model.

MethodsX·2025
Same author

Explore poverty with statistical modeling: The bivariate polynomial binary logit regression (BPBLR).

MethodsX·2025
Same author

Spatial clustering based on geographically weighted multivariate generalized gamma regression.

MethodsX·2024
Same author

kppmenet: combining the kppm and elastic net regularization for inhomogeneous Cox point process with correlated covariates.

Journal of applied statistics·2024

Video Experimental Relacionado

Updated: Jan 20, 2026

Basics of Multivariate Analysis in Neuroimaging Data
06:35

Basics of Multivariate Analysis in Neuroimaging Data

Published on: July 24, 2010

17.3K

Un modelo de regresión de poisson generalizado inverso gaussiano multivariante correlacionado para datos de recuento

Yusrianti Hanike1,2, Purhadi2, Achmad Choiruddin2

  • 1Department of Statistics, Universitas Islam Negeri Abdul Muthalib Sangaji Ambon, Sirimau, Kota Ambon 97128, Indonesia.

MethodsX
|January 19, 2026
PubMed
Resumen

Un nuevo modelo de regresión de poisson generalizado inverso gaussiano correlacionado multivariante (MCPGIGR) aborda la sobredispersión y la correlación en los datos de recuento. Este marco flexible ofrece un ajuste de modelo mejorado y un análisis sólido para aplicaciones de salud pública.

Palabras clave:
Berndt-hall-hall-hausman (bhhh)Mortalidad maternaPrueba de razón de máxima verosimilitud (mlrt)Poisson correlacionado multivariante generalizado inverso gaussiano (mcpgig)Mortalidad neonatal

Más Videos Relacionados

Establishing a Competing Risk Regression Nomogram Model for Survival Data
04:57

Establishing a Competing Risk Regression Nomogram Model for Survival Data

Published on: October 23, 2020

10.8K
A Method to Estimate Cadaveric Femur Cortical Strains During Fracture Testing Using Digital Image Correlation
09:34

A Method to Estimate Cadaveric Femur Cortical Strains During Fracture Testing Using Digital Image Correlation

Published on: September 14, 2017

7.8K

Videos de Experimentos Relacionados

Last Updated: Jan 20, 2026

Basics of Multivariate Analysis in Neuroimaging Data
06:35

Basics of Multivariate Analysis in Neuroimaging Data

Published on: July 24, 2010

17.3K
Establishing a Competing Risk Regression Nomogram Model for Survival Data
04:57

Establishing a Competing Risk Regression Nomogram Model for Survival Data

Published on: October 23, 2020

10.8K
A Method to Estimate Cadaveric Femur Cortical Strains During Fracture Testing Using Digital Image Correlation
09:34

A Method to Estimate Cadaveric Femur Cortical Strains During Fracture Testing Using Digital Image Correlation

Published on: September 14, 2017

7.8K

Área de la Ciencia:

  • Estadística
  • Bioestadística
  • Epidemiología

Sus antecedentes:

  • El análisis de datos de recuento multivariantes enfrenta desafíos con la sobredispersión y la correlación de la variable de respuesta.
  • Los modelos existentes pueden no abordar adecuadamente estas complejidades en los contextos de salud pública.

Objetivo del estudio:

  • Introducir un modelo de regresión novedoso, Regresión de Poisson Generalizada Inversa Gaussiana Multivariante Correlacionada (MCPGIGR), para analizar datos de recuento multivariantes.
  • Proporcionar métodos robustos de estimación y prueba de hipótesis para el modelo propuesto.
  • Demostrar la utilidad práctica y la mejora del ajuste del modelo MCPGIGR en una aplicación de salud pública.

Principales métodos:

  • Desarrollo del modelo MCPGIGR que incorpora efectos aleatorios a través de variables de choque comunes y una función de enlace logarítmica flexible.
  • Implementación de la Estimación de Máxima Verosimilitud (MLE) y las Pruebas de Razón de Máxima Verosimilitud (MLRT) para la estimación de parámetros y la prueba de significancia.
  • Realización de estudios de simulación para validar la consistencia y el rendimiento de los estimadores.

Principales resultados:

  • El modelo MCPGIGR demostró una mejora sustancial en el ajuste del modelo en comparación con la Regresión de Poisson Multivariante (MPR) en una aplicación a datos de mortalidad materna y neonatal.
  • Los estudios de simulación confirmaron la consistencia y el rendimiento de los estimadores propuestos.
  • El modelo maneja de manera efectiva la sobredispersión y la correlación en datos de recuento multivariantes.

Conclusiones:

  • El modelo MCPGIGR ofrece una solución flexible y práctica para analizar datos de recuento multivariantes correlacionados y con sobredispersión.
  • El marco proporciona estimación de parámetros y pruebas de hipótesis robustas, mejorando la interpretabilidad en la investigación de salud pública.
  • MCPGIGR representa un avance significativo para el modelado estadístico en epidemiología y campos relacionados.