gmv接头
是什么gmv接头
?
gmv接头
允许用户拟合生存和多元纵向数据的联合模型,其中纵向子模型由广义线性混合模型(GLMM)指定。使用Bernhardt首次提出的近似EM算法,通过最大似然法拟合联合模型等. (2015). GLMM使用与包相同的语法指定通用TMB
(布鲁克斯等., 2017). 然后,关节模型本身是对Wulfsonhn和Tsiatis(1997)中的模型的灵活扩展。用户能够在许多不同的响应类型下模拟数据。
目前,可以拟合六个族:高斯;泊松;二项式;伽玛射线;负二项式;和广义泊松。
安装
您可以按常规方式安装CRAN的最新“官方”版本:
或使用的最新开发版本开发工具
:
MacOS用户可能对交换他们的BLAS库为Mac硬件提供最佳BLAS实现(vecLib(虚拟图书馆)
).
例子
为了拟合关节模型,我们首先需要指定纵向和生存子模型。
纵向子模型必须是一个列表,其中包含纵向过程的规范及其随机效果结构,语法与通用TMB模型(其本身与广泛使用的模型相同lme4公司
). 例如,假设我们想在经常使用的PBC数据上拟合一个三变量模型,在白蛋白上用线性时间药物相互作用项,在(记录的)血清胆红素上用样条函数项,在蜘蛛上用线性拟合,我们指定
我们注意到相互作用和花键时间拟合是可能的。
生存子模型必须使用Surv()
来自生存包装,例如。
目前生存子模型规范中的交互项不受支持。
现在我们可以通过主主马函数进行联合模型调用共同的
。这显然需要一个列表家庭争论必须以所需顺序进行匹配,作为纵向流程列表。然后通过以下方式拟合关节模型
其中记录了额外的控制参数?共同的
。对于某些家庭,我们可以额外供应显示公式
其中规定了相应纵向过程的弥散模型。对象类存在许多S3方法共同的
创建:总结()
,logLik()
,固定()
,雷纳()
,已安装()
,剩余()
、和vcov()
.LaTeX-ready表也可以通过S3方法生成xtable()
。可以使用模拟数据()
功能。
我们通过动态预测从一组联合模型参数估计值过渡到预测值dynPred(动态预测)
。我们可以评估接头()
模型拟合世界车王争霸赛
功能。
待办事项列表
目前最大的限制是需要相对严格的数据结构以及对共同的
功能。下面列出了这些(已知的)限制和放松计划。
- 纵向信息:纵向时间参数必须被命名
时间
和主题标识符(我们根据其“分割”随机效果)身份证件
.不确定我是否会改变这些;我认为多做一点用户预处理并不是坏事,而另一种选择是打一个更拥挤的电话给共同的
我不会喜欢的。
- 其他:数据必须平衡(即否
不适用
值);这将在以后的更新中修复。目前我不认为这是最大的问题,建议使用na.省略
例如。此外,id变量必须增量不超过一。那就是,数据$id=1,1,2,2,2,2,3,3,3
很好,但是数据$id=1,1,1,1,3,3,3,1,4
不是。这是由于数据矩阵是如何在内部创建的,并将在未来得到修复。
2023年6月更新:由于呼叫和数据直接传递给全球移动通信协会
,可以分配这些唯一索引1:n个
但目前还没有对此进行任何处理。
- 使用cli包制作进度条(可能……)。
请注意,我是一名博士生,S3方法(和一些函数本身)很大程度上是由我需要的东西产生的,或者在某些时候会是一个好主意!
工具书类
Bernhardt PW、Zhang D和Wang HJ。一种快速EM算法,用于拟合受检测限约束的多个纵向协变量的二元响应联合模型。计算统计与数据分析2015;85; 37–53
Mollie E.Brooks、Kasper Kristensen、Koen J.van Benthem、Arni Magnusson、Casper W.Berg、Anders Nielsen、Hans J.Skaug、Martin Maechler和Benjamin M.Bolker(2017年)。glmmTMB平衡零膨胀广义线性混合建模软件包之间的速度和灵活性。R杂志,9(2), 378-400.
Murray,J和Philipson P.生存和多元纵向数据联合模型的快速近似EM算法。计算统计与数据分析2022
Wulfsohn MS,Tsiatis AA。生存率和纵向数据的联合模型(误差测量)。生物识别。1997;53(1), 330-339.