这项工作的动机是一项关于抗精神病药物的荟萃分析案例研究。Michaelis–Menten曲线用于对多项研究中剂量和在线图像受体占用之间的非线性关系进行建模。组内相关系数（ICC）用于量化研究的异质性。为了解释异质性的大小，需要准确估计ICC及其置信区间。目标是使用最近提出的通用贝塔方法，使用四种估计方法构建线性混合效应模型到非线性混合效应模型的ICC置信区间。这些估计方法是最大似然、二阶广义估计方程和两个两步过程。将beta方法与大样本正态近似（delta方法）和自举方法进行了比较。基于delta方法和非参数百分位数引导的置信区间以及各种重采样策略在我们的设置中失败。贝塔方法在两步估计方法中都显示出良好的覆盖率，因此，建议在小型研究中计算非线性混合效应模型中ICC的置信区间。关键词：贝塔分布；最大似然；非线性回归；限制剖面可能性；方差分量
| 原始数据-2 | 恩格斯 |
|---|
| 帕吉纳（van-tot） | 548-555 |
|---|
| 蒂季施里夫 | 生物计量学 |
|---|
| 体积 | 71 |
|---|
| Nummer van het tijdschrift号 | 2 |
|---|
| 内政部 | |
|---|
| 状态 | Gepublicerd公司-2015 |
|---|