.png){kind=icon}
.png){kind=icon}
返回
Simulating Complex Cross-Sectional and Longitudinal Data Using the simDAG R Package
.png){kind=icon}
PRE
AI
DOI：10.18637/jss.v116.i02.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
生成人工数据是进行蒙特卡罗模拟研究的关键步骤。根据计划的研究，可能需要包含多个可能随时间变化的变量、具有各种依赖关系和数据类型的复杂数据生成过程（DGPs）。从这类DGPs模拟数据可能因此成为一项困难且耗时的任务。simDAG R软件包提供了一种标准化的方法，基于在有向无环图中使用任意函数或回归模型定义结构方程，从简单和复杂的DGPs生成数据。该软件包提供了清晰的语法和增强的公式界面，并直接支持生成具有任意依赖关系、可能非线性关系和交互作用的二元、分类、计数和时间到事件数据。此外，它还包括一个基于离散时间模拟的框架，允许在半连续时间尺度上生成纵向数据。这种方法可用于生成具有重复或竞争事件以及可能多个时间变化协变量的时间到事件数据，这些协变量本身可以具有任意数据类型。在本文中，我们通过复制多个实际蒙特卡罗模拟研究的DGPs，展示了simDAG包含的大量功能。
Keyword:
simulation
time-to-event
structural equation
directed acyclic graph
longitudinal data
discrete-time
R