.png){kind=icon}
返回
Multivariate conditional mix-GEE method for mixed-effect models with multivariate longitudinal data
.png){kind=icon}
PRE
AI
DOI：10.1007/s00362-025-01773-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多变量纵向数据是指对多个感兴趣结局指标随时间的重复测量。这类数据的协方差矩阵至关重要，因为忽略相关性结构可能导致均值参数估计量低效。随机效应模型被广泛应用于多变量纵向数据分析中，特别是个体特异性效应是研究重点之一。然而，现有的大多数方法假设随机效应服从正态分布，这可能降低固定效应估计量的效率，并可能引发推断不准确。本文提出多变量条件混合GEE模型分析纵向数据。我们新方法具有以下优势：首先，它考虑了不同响应变量之间的相关性、重复测量产生的序列相关性以及个体间的异质性变异。显著的是，它放宽了对随机效应的正态性假设。此外，我们提出方法的一个关键特征在于估计混合比例，这有助于识别多变量纵向数据中的复杂真实协方差结构。另外，理论推导证明了参数估计量的一致性和渐近正态性。通过模拟研究和健康与退休研究（HRS）的真实数据案例来评估我们提出的方法。
Keyword:
Conditional mix-GEE
Random effects
Multivariate quadratic inference functions
Multivariate longitudinal data
期刊
S
IF:
1.1
论文数:
97
被引数:
0
机构
引用论文
分享收藏Joint modeling of multivariate hearing thresholds measured longitudinally at multiple frequencies
PREAI
分享收藏Modeling the Cholesky factors of covariance matrices of multivariate longitudinal data多元纵向数据协方差矩阵的Cholesky因子的建模
PREAI
分享收藏Working correlation structure misspecification, estimation and covariate design: Implications for generalised estimating equations performance.png)
Biometrika
BiometrikaIF0
PREAI
分享收藏
查看更多内容