×
克里斯蒂安·梅扎;佛罗伦萨贾夫雷齐克;吉恩·路易斯·福莱

使用SAEM算法在概率正态模型中估计二进制结果。 （英文） Zbl 1452.62540号

计算。统计数据分析。 53，第4期，1350-1360（2009）.
概述：广义线性混合模型（GLMM）是指数族离散和连续响应的一类非常普遍的随机效应模型。它们在各种应用中都很有用。GLMM的传统似然方法通常涉及计算密集的高维积分。在这项工作中，我们研究了在具有随机效应的两阶段概率正态模型下分析的二元结果的情况。首先，展示了如何使用EM算法的随机近似（SAEM）计算固定效应和方差分量的ML估计。SAEM算法可以直接应用，也可以与EM的参数扩展版本结合使用，以加快收敛速度。还提出了一种程序来获得方差分量的REML估计和固定效应的基于REML的估计。最后，给出了一个涉及临床试验的实际数据集的应用程序，将这些技术与经典软件（SAS Glimmix、SAS Nlmixed、WinBUGS）中已有的其他程序（惩罚拟似然、最大似然、贝叶斯推断）以及蒙特卡罗EM（MCEM）算法进行了比较。

引用于1审查
引用于4文件

MSC公司：

62J12型 广义线性模型（逻辑模型）
62-08 统计问题的计算方法

软件：

WinBUGS公司;格列米克;搅拌机;MIXNO公司;程序NLMIXED;SAS公司
PDF格式BibTeX公司 XML格式引用
\textit｛C.Meza｝等人，计算机。统计数据分析。53，第4号，1350--1360（2009；Zbl 1452.62540）
全文： 内政部

参考文献：

[1] 艾伯特·J·H。；Chib，S.，二进制和多光子响应数据的贝叶斯分析，美国统计协会杂志，88，669-679（1993）·Zbl 0774.62031号
[2] 阿什福德，J。；Sowden，R.，多元概率分析，生物统计学，26535-546（1970）
[3] J.O.伯杰。；Liseo，B。；Wolpert，R.L.，消除干扰参数的综合似然方法，统计科学，14，1-28（1999）·Zbl 1059.62521号
[4] Booth，J.G。；Hobert，J.P.，用自动蒙特卡罗EM算法最大化广义线性混合模型的可能性，皇家统计学会杂志，B辑，61265-285（1999）·Zbl 0917.62058号
[5] 东北部布雷斯洛。；Lin，X.，具有单个离散分量的广义线性混合模型中的偏差校正，Biometrika，82，81-91（1995）·Zbl 0823.62059号
[6] 东北部布雷斯洛。；Clayton，D.G.，广义线性混合模型中的近似推断，美国统计协会杂志，88，9-25（1993）·Zbl 0775.62195号
[7] Caffo，B.S。；Jank，W。；Jones，G.L.，Ascent-based Monte Carlo EM，《皇家统计学会杂志》，B辑，67，235-252（2005）·Zbl 1075.65011号
[8] Delyon，B。；拉维耶，M。；Moulines，E.，EM算法随机近似版本的收敛性，《统计年鉴》，2794-128（1999）·Zbl 0932.62094号
[9] Foulley，J.L。；Gianola，D。；Thompson，R.，从分类和定量变量数据预测遗传优点，并应用于产犊困难、出生体重和骨盆开口，遗传学选择进化，15，401-424（1983）
[10] Gelman，A.，层次模型中方差参数的先验分布，贝叶斯分析，1515-533（2006）·Zbl 1331.62139号
[11] Gueorguieva，R.V。；Agresti，A.，集群二进制和连续响应联合建模的相关概率模型，美国统计协会杂志，96，1102-1112（2001）·Zbl 1072.62612号
[12] Harville，D.A.，仅使用误差对比对方差分量进行贝叶斯推断，《生物统计学》，61383-385（1974）·Zbl 0281.62072号
[13] 豪斯曼，J。；Wise，D.，《定性选择的条件概率模型：识别相互依赖和异质偏好的离散决策》，《计量经济学》，46，403-426（1978）·Zbl 0376.90005号
[14] Hedeker，D.，MIXNO：混合效应标称逻辑回归的计算机程序，《统计软件杂志》，4，5，1-92（1999）
[15] Hedeker，D。；Gibbons，R.D.，MIXOR:混合效应序数回归分析的计算机程序，生物医学中的计算机方法和程序，49，157-176（1999）
[16] Jank，W.，随机逼近EM算法的实现和诊断，《计算与图形统计学杂志》，15803-829（2006）
[17] 科赫，G.G。；卡尔·G·J。；印度阿马拉。；斯托克斯，M.E。；Uryniak，T.J.，分类数据分析，（Berry，D.A.，《药物科学中的统计方法》（1990），马赛尔·德克尔公司：马赛尔·德克尔公司，纽约），391-475
[18] 库恩，E。；Lavielle，M.，将EM的随机近似版本与MCMC程序耦合，ESAIM:概率与统计，8115-131（2004）·Zbl 1155.62420号
[19] 拉维耶，M。；Meza，C.，SAEM算法的参数扩展版本，统计与计算，17，2121-130（2007）
[20] Lee，Y。；Nelder，J.A.，双层次广义线性模型，应用统计学，55，2，139-185（2006）·兹比尔1490.62198
[21] Liao，J.G。；Lipsitz，S.R.，广义线性混合模型方差分量的一类限制最大似然估计，Biometrika，89，401-409（2002）·Zbl 1019.62072号
[22] 林，X。；Breslow，N.E.，《具有多个离散成分的GLMM中的偏差修正》，《美国统计协会杂志》，91，1007-1016（1996）·Zbl 0882.62059号
[23] Louis，T.A.，《使用EM算法时发现观测信息矩阵》，英国皇家统计学会期刊B辑，44226-233（1982）·Zbl 0488.62018号
[24] McFadden，D.，无需数值积分估计离散响应模型的模拟矩方法，《计量经济学》，57，995-1026（1989）·Zbl 0679.62101号
[25] McCulloch，C.E.，广义线性混合模型的最大似然算法，美国统计协会杂志，92162-170（1997）·Zbl 0889.62061号
[26] Meza，C。；贾夫雷齐克，F。；Foulley，J.L.，使用SAEM算法对非线性混合效应模型中方差参数的REML估计，《生物医学杂志》，49，876-888（2007）·Zbl 1442.62538号
[27] Natarajan，R。；McCulloch，C.E。；Kiefer，N.M.，估计多项式概率模型的蒙特卡罗EM方法，计算统计和数据分析，34，1，33-50（2000）·Zbl 1052.62508号
[28] Neuhaus，J.M。；Segal，M.R.，《广义线性模型中近似最大似然估计量的评估》，（《纵向和空间相关数据建模：方法、应用和未来方向》，纵向和空间相关性数据建模：研究方法、应用与未来方向，统计学讲义，第122卷（1997），Gregoire，T.G.，Springer（施普林格）：纽约施普林格·Zbl 1067.62555号
[29] Ng，E.S.W。；卡彭特，J.R。；Goldstein，H。；Rasbash，J.，通过模拟最大似然对二元结果的广义线性混合模型进行估计，统计建模，6，23-42（2006）·Zbl 07257123号
[30] Noh，M。；Lee，Y.，GLMM中二进制数据的REML估计，多元分析杂志，98896-915（2007）·兹比尔1113.62087
[31] Raudenbush，S.W。；杨，M.-L。；Yosef，M.，通过高阶多元拉普拉斯近似，具有嵌套随机效应的广义线性模型的最大似然，计算与图形统计杂志，9，141-157（2000）
[32] Robert，C.P.，截断正态变量的模拟，统计与计算，5121-125（1995）
[33] 罗伯特·C·P。；Casella，G.，Monte Carlo统计方法（1999），Springer-Verlag:Springer-Verlag纽约·Zbl 0935.62005号
[34] 罗德里格斯，G。；Goldman，N.，对具有二元响应的多级模型的估计过程的评估，英国皇家统计学会期刊，意甲，15873-89（1995）
[35] Schall，R.，具有随机效应的广义线性模型中的估计，生物统计学，78719-727（1991）·Zbl 0850.62561号
[36] Wolfinger，R.，非线性混合模型的拉普拉斯近似，Biometrika，80791-795（1992）·Zbl 0800.62351号
[37] 周，X。；Liu，X.，估计多项式概率潜在变量模型的蒙特卡罗EM方法，计算统计，23，277-289（2008）·Zbl 1224.62013年
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。