คำถามติดแท็ก gee

3
เมื่อใดที่จะใช้สมการการประมาณแบบทั่วไปกับแบบจำลองเอฟเฟกต์แบบผสม
ฉันมีความสุขมากที่ใช้โมเดลเอฟเฟกต์ผสมอยู่พักหนึ่งแล้วด้วยข้อมูลระยะยาว ฉันหวังว่าฉันจะสามารถปรับความสัมพันธ์ AR ใน lmer (ฉันคิดว่าฉันถูกต้องที่ฉันไม่สามารถทำได้?) แต่ฉันไม่คิดว่ามันสำคัญอย่างยิ่งดังนั้นฉันจึงไม่ต้องกังวลมากเกินไป ฉันเพิ่งเจอสมการการประมาณทั่วไป (GEE) และดูเหมือนว่าพวกเขาจะมีความยืดหยุ่นมากกว่ารุ่น ME เมื่อมีความเสี่ยงในการถามคำถามทั่วไปมีคำแนะนำใดที่เหมาะกับภารกิจที่แตกต่างกันหรือไม่? ฉันเคยเห็นเอกสารเปรียบเทียบพวกเขาและพวกเขามีแนวโน้มที่จะเป็นของแบบฟอร์ม: "ในพื้นที่ที่มีความเชี่ยวชาญสูงนี้อย่าใช้ GEEs สำหรับ X อย่าใช้รุ่น ME สำหรับ Y" ฉันไม่พบคำแนะนำทั่วไปอีกแล้ว มีใครสอนฉันได้ไหม ขอขอบคุณ!
63 mixed-model  gee 

3
ความแตกต่างระหว่างโมเดลเชิงเส้นทั่วไปกับโมเดลผสมเชิงเส้นทั่วไป
ฉันสงสัยว่าอะไรคือความแตกต่างระหว่าง GLM แบบผสมและแบบผสม ตัวอย่างเช่นใน SPSS เมนูแบบเลื่อนลงอนุญาตให้ผู้ใช้พอดี: analyze-> generalized linear models-> generalized linear models & analyze-> mixed models-> generalized linear พวกเขาจัดการกับค่าที่หายไปแตกต่างกันอย่างไร ตัวแปรตามของฉันคือไบนารีและฉันมีตัวแปรอิสระหลายหมวดหมู่และต่อเนื่อง

1
ความแตกต่างระหว่างสมการการประมาณทั่วไปกับ GLMM คืออะไร
ฉันใช้ GEE กับข้อมูลที่ไม่สมดุล 3 ระดับโดยใช้ลิงก์ logit สิ่งนี้แตกต่างกันอย่างไร (ในแง่ของข้อสรุปที่ฉันสามารถวาดและความหมายของสัมประสิทธิ์) จาก GLM ที่มีเอฟเฟกต์ผสม (GLMM) และลิงก์ logit ได้อย่างไร รายละเอียดเพิ่มเติม: ข้อสังเกตคือการทดลอง bernoulli เดี่ยว พวกเขาถูกจัดกลุ่มเป็นห้องเรียนและโรงเรียน ใช้การละเว้น R. Casewise ของ NAs 6 ทำนายยังมีเงื่อนไขการโต้ตอบ (ฉันไม่พลิกเด็ก ๆ เพื่อดูว่าพวกเขาขึ้นหัว) ฉันอยากจะอธิบายค่าสัมประสิทธิ์ของอัตราต่อรอง สิ่งนี้มีความหมายเหมือนกันทั้งสองอย่างหรือไม่? มีบางสิ่งที่ซุ่มซ่อนอยู่ในใจของฉันเกี่ยวกับ "ความหมายส่วนเพิ่ม" ในรุ่น GEE ฉันต้องการบิตนั้นอธิบายให้ฉัน ขอบคุณ

4
GEE: เลือกโครงสร้างความสัมพันธ์ในการทำงานที่เหมาะสม
ฉันเป็นนักระบาดวิทยาที่พยายามเข้าใจ GEEs เพื่อวิเคราะห์การศึกษาแบบกลุ่ม (ใช้การถดถอยปัวซองกับลิงค์บันทึกเพื่อประเมินความเสี่ยงสัมพัทธ์) ฉันมีคำถามสองสามข้อเกี่ยวกับ "ความสัมพันธ์ในการทำงาน" ที่ฉันต้องการให้ใครบางคนมีความรู้มากขึ้นในการชี้แจง: (1) หากฉันทำการวัดซ้ำในบุคคลเดียวกันเป็นปกติแล้วจะสมเหตุสมผลหรือไม่ที่จะถือว่าโครงสร้างที่แลกเปลี่ยนได้ (หรือการวัดอัตชีวประวัติหากการวัดแสดงแนวโน้ม)? สิ่งที่เกี่ยวกับความเป็นอิสระ - มีกรณีใดบ้างที่เราสามารถยอมรับความเป็นอิสระสำหรับการวัดในบุคคลเดียวกันได้หรือไม่? (2) มีวิธีที่เรียบง่ายพอสมควรในการประเมินโครงสร้างที่เหมาะสมโดยการตรวจสอบข้อมูลหรือไม่? (3) ฉันสังเกตเห็นว่าเมื่อเลือกโครงสร้างความเป็นอิสระฉันได้รับการประเมินจุดเดียวกัน (แต่มีข้อผิดพลาดมาตรฐานต่ำกว่า) เช่นเดียวกับเมื่อเรียกใช้การถดถอยแบบปัวซองอย่างง่าย (โดยใช้ R ฟังก์ชั่นglm()และgeeglm()จากแพ็คเกจgeepack) ทำไมสิ่งนี้จึงเกิดขึ้น ฉันเข้าใจว่าด้วย GEEs คุณประเมินโมเดลเฉลี่ยประชากร (ตรงกันข้ามกับเรื่องเฉพาะ) ดังนั้นคุณควรได้รับการประมาณจุดเดียวกันในกรณีการถดถอยเชิงเส้นเท่านั้น (4) ถ้ากลุ่มของฉันอยู่ในหลาย ๆ ที่ตั้ง (แต่วัดหนึ่งต่อคน) ฉันควรเลือกความเป็นอิสระหรือความสัมพันธ์ในการทำงานที่แลกเปลี่ยนได้และทำไม? ฉันหมายความว่าคนในแต่ละไซต์ยังคงเป็นอิสระจากกันใช่มั้ย? ดังนั้นสำหรับรูปแบบเฉพาะเรื่องเช่นฉันจะระบุไซต์เป็นเอฟเฟกต์แบบสุ่ม อย่างไรก็ตามด้วย GEE ความเป็นอิสระและแลกเปลี่ยนได้ให้การประมาณการที่แตกต่างกันและฉันไม่แน่ใจว่าข้อใดที่ดีกว่าในแง่ของสมมติฐานพื้นฐาน (5) GEE สามารถจัดการกับการจัดกลุ่มแบบลำดับชั้นได้สองระดับหรือไม่นั่นคือการศึกษาแบบหลายไซต์พร้อมการวัดซ้ำ ๆ ต่อบุคคลหรือไม่? ถ้าใช่ฉันควรระบุว่าอะไรเป็นตัวแปรการทำคลัสเตอร์ในgeeglm()และสิ่งที่ควรมีความสัมพันธ์ในการทำงานหากมีใครสมมติเช่น "ความเป็นอิสระ" สำหรับระดับแรก (ไซต์) และ "แลกเปลี่ยน" …
19 gee 

1
โมเดลชายขอบกับโมเดลสุ่มเอฟเฟกต์ - วิธีการเลือกระหว่างพวกเขา? คำแนะนำสำหรับคนธรรมดา
ในการค้นหาข้อมูลเกี่ยวกับตัวแบบขอบและตัวแบบสุ่มเอฟเฟกต์และวิธีการเลือกระหว่างพวกเขาฉันได้พบข้อมูลบางอย่าง แต่มันเป็นคำอธิบายเชิงนามธรรมทางคณิตศาสตร์มากขึ้นหรือน้อยลง (เช่นตัวอย่างที่นี่: https: //stats.stackexchange .com / a / 68753/38080 ) ที่ไหนสักแห่งที่ฉันพบว่ามีการสังเกตความแตกต่างอย่างมากระหว่างการประมาณค่าพารามิเตอร์ระหว่างสองวิธี / โมเดล ( http://www.biomedcentral.com/1471-2288/2/15/ ) อย่างไรก็ตามสิ่งที่ตรงกันข้ามถูกเขียนโดย Zuur et al . (2009, p. 116; http://link.springer.com/book/10.1007%2F978-0-387-87458-6) รุ่น Marginal (generalized การประเมินวิธีการสม) นำพารามิเตอร์ของประชากรเฉลี่ยในขณะที่ผลจากการสุ่มผลรุ่น (ทั่วไปเชิงเส้นรูปแบบผสม) นำเข้าผลสุ่มบัญชี - เรื่อง (Verbeke et al, 2010, หน้า 49-52.. http: / /link.springer.com/chapter/10.1007/0-387-28980-1_16 ) ฉันต้องการที่จะเห็นคำอธิบายเหมือนคนธรรมดาของแบบจำลองเหล่านี้ที่แสดงในตัวอย่างบางส่วน (ในชีวิตจริง) ในภาษาที่คุ้นเคยกับนักสถิติและนักคณิตศาสตร์ที่ไม่ใช่นักคณิตศาสตร์ ในรายละเอียดฉันต้องการทราบ: ควรใช้โมเดลร่อแร่และควรใช้โมเดลสุ่มเอฟเฟกต์เมื่อใด …

1
ความแตกต่างระหว่าง GLM และ GEE คืออะไร?
อะไรคือความแตกต่างระหว่างโมเดล GLM (การถดถอยโลจิสติก) กับตัวแปรการตอบสนองแบบไบนารีซึ่งรวมถึงเรื่องและเวลาเป็น covariates และโมเดล GEE แบบอะนาล็อกซึ่งคำนึงถึงความสัมพันธ์ระหว่างการวัดที่จุดเวลาหลายจุด? GLM ของฉันดูเหมือนว่า: Y(binary) ~ A + B1X1(subject id) + B2X2(time) + B3X3(interesting continuous covariate) ด้วยฟังก์ชั่นการเชื่อมโยง logit ฉันกำลังมองหาคำอธิบายง่ายๆ (มุ่งเป้าไปที่นักวิทยาศาสตร์สังคม) ว่าทำไมเวลาจึงได้รับการปฏิบัติแตกต่างกันในสองโมเดลและสิ่งที่เกี่ยวข้องกับการตีความ

1
ฉันจะประเมิน GEE / logistic model ได้อย่างไรเมื่อเพื่อนร่วมทุนมีข้อมูลที่ขาดหายไป
ฉันมีโมเดลสมการการประมาณ (GEE) สองแบบทั่วไปกับข้อมูลของฉัน: 1) โมเดลที่ 1: ผลลัพธ์คือระยะยาวใช่ / ไม่ใช่ตัวแปร (A) (ปี 1,2,3,4,5) พร้อมตัวทำนายแบบต่อเนื่องตามยาว (B) เป็นเวลา 1 ปี 1,2,3,4,5 2) รุ่นที่ 2: ผลลัพธ์เป็นตัวแปรตามยาวเหมือนกันใช่ / ไม่ใช่ (A) แต่ตอนนี้ตัวทำนายของฉันได้รับการแก้ไขที่ค่าปี 1 นั่นคือบังคับให้เป็นค่าคงที่เวลา (B) เนื่องจากการวัดที่ขาดหายไปในตัวทำนายระยะยาวของฉันในเวลาไม่กี่จุดสำหรับกรณีที่แตกต่างกันจำนวนจุดข้อมูลในรุ่น 2 จึงสูงกว่าในรุ่น 1 ฉันต้องการทราบว่าการเปรียบเทียบใดที่ฉันสามารถทำได้อย่างถูกต้องระหว่างอัตราส่วนอัตราต่อรองค่า p และความพอดีของทั้งสองรุ่นเช่น: หาก OR สำหรับตัวทำนาย B มีขนาดใหญ่กว่าในโมเดล 1 ฉันสามารถพูดได้อย่างถูกต้องหรือไม่ว่าความสัมพันธ์ระหว่าง A และ B นั้นแข็งแกร่งกว่าใน model1 ฉันจะประเมินได้อย่างไรว่าโมเดลใดดีกว่าสำหรับข้อมูลของฉัน ฉันถูกต้องในการคิดหรือไม่ว่าการเปรียบเทียบหลอกหลอก …
9 logistic  gee 
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.