泊松-柯尔

SAS宏CorrPoisson:生成相关和/或过度分散的计数数据:SAS实现。长期以来,纵向计数数据的分析一直是使用泊松正态分布的广义线性混合模型(GLMM)来通过指定正态随机效应来解释相关性。单变量计数通常采用负名义(NEGBIN)模型处理,该模型考虑了伽马随机效应的过度分散。然而,从本质上讲,纵向计数数据通常同时表现出相关性和过度分散的特征,因此需要分析方法来解释两者。Molenberghs、Verbeke和Demétrio(2007)以及Molenberghs、Verbeke、Demétrio和Vieira(2010)提出的组合模型(CM)不仅适用于计数数据,而且适用于一般的指数分布族。这里,Poisson模型被指定为数据的父分布,在受试者或聚类级别具有正态分布随机效应,在观察水平上具有伽马分布。GLMM和NEGBIN模型是特例。数据可以从(1)一般CM,随机效应,或(2)其边缘版本直接模拟。本文讨论了(1)在SAS软件(SAS Inc.2011)中的一个实现。我们需要考虑组合(层次)和边际模型的平均值,以便生成相关和/或过度分散的计数。需要预先指定期望的边际平均值(就协变量和边际参数而言)、边际方差协方差结构和分层平均值(就协变量和回归参数而言)。然后导出隐含的层次参数、随机效应的方差协方差矩阵和过分散部分的方差协方差矩阵,由此产生相关的Poisson数据。给出了SAS宏的示例调用以及输出。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换


zbMATH中的参考文献(参考文献1条,1标准件)

显示结果1/1。
按年份排序(引用)

  1. George Kalema,Geert Molenberghs:生成相关和/或过度分散的计数数据:SAS实施(2016)不是zbMATH