랜덤 절편 선형 모형을 고려하십시오. 이것은 교환 가능한 작업 상관 행렬을 사용하는 GEE 선형 회귀와 같습니다. 예측 변수가 및 이고 이러한 예측 변수의 계수가 , 및 합니다. 랜덤 절편 모델의 계수에 대한 해석은 무엇입니까? 개별 수준에 있다는 점을 제외하고 GEE 선형 회귀와 동일합니까?x 3 β 1 β 2 β 3
x1,x2,x3
β1
β2
β3
답변
GEE와 혼합 모델 계수는 일반적으로 동일하지 않습니다. 이에 대한 효과적인 표기법은 GEE 계수 벡터를 (마진 효과)로 표시하고 혼합 모델 계수 벡터를 β ( c ) (조건부 효과)로 표시하는 것입니다. GEE가 여러 반복에서 조건부 링크의 여러 인스턴스를 평균하기 때문에 이러한 효과는 접을 수없는 링크 기능에 대해 분명히 다를 수 있습니다. 한계 및 조건부 효과에 대한 표준 오차도 분명히 달라질 것입니다.
β(m)β(c)
세 번째로 간과되는 문제는 모델의 잘못된 사양입니다. GEE는 모델 가정에서 벗어나는 것에 대해 엄청난 보험을 제공합니다. 강력한 오류 추정으로 인해 ID 링크를 사용하는 GEE 선형 계수는 항상 평균 1 차 추세로 해석 될 수 있습니다. 혼합 모델은 비슷한 것을 제공하지만 모델을 잘못 지정하면 다를 수 있습니다.
답변
GEE는 평균 인구 효과를 추정합니다. 랜덤 절편 모델은 이러한 효과의 변동성을 추정합니다. 경우 , η J ~ N ( 0 , σ 2 α ) , 랜덤 인터셉트 모델 모두 추정 γ 0 평균 인구 차단하고있다 ( 일반 선형 모델을 추정하는 것과 동일하다 GEE) 및 σ 2 α .
αj=γ0+ηjηj∼N(0,σα2)
γ0
σα2
절편이 2 차 예측 변수 (예 : )로 모델링 된 경우 임의 절편 모델은 절편이 개별 수준에서 어떻게 달라지는 지 추정 할 수 있습니다. 특정 개인이 속한 ‘그룹’.
αj=γ0+γ1wj+ηj