G.伊南。;尤塞尔，R。 具有不完全二进制结果的多元相关数据的联合GEE。 （英文） Zbl 1516.62347号 J.应用。斯达。 44，第11期，1920-1937（2017）. 摘要：本研究采用全参数非协调多重插补（MI）推理，联合分析在相关数据环境中观察到的不完整二进制响应变量。多重插补模型被指定为基于混合效应模型的多元扩展的全参数模型。然后使用联合GEE模型对两分插补数据集进行分析，其中协变量与具有响应特定回归系数的响应的边际平均值相关联，并且Kronecker乘积适用于给定响应变量的集群特定相关结构以及多个响应变量之间的相关结构响应变量。通过不同场景下的蒙特卡罗模拟研究，评估了所提出的基于MI-JGEE（MI-JGE）方法的有效性。根据偏差、均方误差和覆盖率评估的模拟结果表明，MI-JGEE即使在潜在多重插补指定错误的情况下，也具有良好的推理特性。最后，青少年酒精预防试验数据用于说明。 MSC公司： 62至XX 统计 关键词：不完整的二进制响应;克罗内克积相关矩阵;边际模型;多重插补;四舍五入 软件：SAS公司;极客;SPSS软件;报告;MLwiN公司;规范;百万毫米;嗯;骡子;锅;PROC GENMOD公司;PGEE公司;JGEE公司 PDF格式BibTeX公司 XML格式引用 \textit{G.Inan}和\textit{R.Yucel}，J.Appl。Stat.44，No.11，1920--1937（2017；Zbl 1516.62347） 全文： 内政部 参考文献： [1] O.Asar和O.Ilk，mmm：用多元边际模型分析多元纵向数据的R包，计算。方法程序生物识别。112（2013），第649-654页。doi:10.1016/j.cmpb.2013.07.022·doi:10.1016/j.cmpb.2013.07.022 [2] R.Bahadur，n个二分项目反应的联合分布表示《研究项目分析预测6》（1961年），第158-168页·Zbl 0103.36701号 [3] C.Beunckens、C.Sotto和G.Molenberghs，纵向二进制数据加权估计方程与基于多重插补的估计方程比较的仿真研究，计算。统计数据分析。52（2008），第1533-1548页。doi:10.1016/j.csda.2007.04.020·Zbl 1452.62795号 ·doi:10.1016/j.csda.2007.04.020 [4] Q.Chen和S.Wang，多重输入数据的变量选择及其在二恶英接触研究中的应用《Stat.Med.32》（2013年），第3646-3659页。doi:10.1002/sim.5783·doi:10.1002/sim.5783 [5] H.Demirtas、S.A.Freels和R.M.Yucel，多重输入非高斯连续结果时多元正态假设的合理性：模拟评估，J.Stat.计算。模拟。78（2008），第69-84页。doi:10.1080/10629360600903866·Zbl 1133.62337号 [6] A.F.Donneau、M.Mauer、P.Lambert、G.Molenberghs和A.Albert，基于模拟的研究比较了纵向环境中非单调缺失序数数据的多种插补方法，生物制药杂志。《统计》第25卷（2014年），第570-601页。doi:10.1080/10543406.2014.920864 [7] A.F.Donneau、M.Mauer、G.Molenberghs和A.Albert，不完全纵向有序数据多种插补方法比较的模拟研究、Commun。统计-模拟。计算。44（2014），第1311-1338页。doi:10.1080/03610918.2013.818690·Zbl 1328.62333号 [8] S.Fieuws、G.Verbeke、F.Boen和C.Delecluse，二元问卷数据的高维多元混合模型《J.R.Stat.Soc.C.55》（2006年），第449-460页。doi:10.1111/j.1467-9876.2006.00546.x·Zbl 1490.62403号 ·doi:10.1111/j.1467-9876.2006.00546.x [9] F.Gao、P.Thompson、C.Xiong和J.Miller，使用SAS®分析多元纵向数据,第三十一届SAS用户集团国际年会会议记录加利福尼亚州旧金山，2006年，第187-31页。 [10] W.B.Hansen和J.W.Graham，预防青少年饮酒、吸食大麻和吸烟：同伴压力抵抗训练与建立保守规范，上一页。《医学杂志》第20卷（1991年），第414-430页。doi:10.1016/0091-7435（91）90039-7·doi:10.1016/0091-7435（91）90039-7 [11] R.He和T.Belin，高维混合不完全连续数据和二进制数据的多重插补《Stat.Med.33》（2014年），第2251-2262页。数字对象标识代码：10.1002/sim.6107·数字对象标识代码：10.1002/sim.6107 [12] N.J.Horton和K.P.Kleinman，无事生非：缺失数据方法和软件的比较，以适应不完全数据回归模型《美国法令》第61卷（2007年），第79-90页。doi:10.1198/000313007X172556 [13] G.伊南，二元纵向二进制数据的边缘化多级模型2014年，土耳其中东技术大学博士论文。 [14] G.伊南，评论：从多变量广义线性混合模型评估聚类混合结果的相关性，《法律总汇》Med.34（2015），第3075-3078页。doi:10.1002/sim.6540·doi:10.1002/sim.6540 [15] G.伊南，JGEE：联合广义估计方程求解器2015年第1.1版R包。可在http://cran.r-project.org/web/packages/JGEE。 [16] G.Inan、J.Zhou和L.Wang，PGEE：高维惩罚广义估计方程，R包版本1.42016。可在http://cran.r-project.org/web/packages/PGEE。 [17] H.Jing和J.Schafer，pan：多元面板或聚类数据的多重插补，R包版本1.3，2015年。可在http://cran.r-project.org/web/packages/pan/。 [18] J.Kang和Y.Yang，混合计数和连续纵向数据的联合建模，英寸混合数据分析。方法和应用Alexander R.de Leon和Keumhee Carrière Chough主编，查普曼和霍尔/CRC，佛罗里达州博卡拉顿，2013年，第63-78页·doi:10.1201/b14571-6 [19] K.Lee、Y.Joo、J.K.Yoo和J.Lee，多元纵向二元数据的边际随机效应模型《Stat.Med.28》（2009年），第1284-1300页。数字对象标识代码：10.1002/sim.3534·数字对象标识代码：10.1002/sim.3534 [20] D.Lee、Y.Lee、M.C.Paik和M.G.Kenward，使用分层似然方法对缺失数据的重尾纵向结果进行稳健推断：一种替代逆概率加权广义估计方程的方法，计算。统计数据分析。59（2013），第171-179页。doi:10.1016/j.csda.2012.10.013·Zbl 1400.62009年 ·doi:10.1016/j.csda.2012.10.013 [21] K.Y.Liang和S.L.Zeger，使用广义线性模型进行纵向数据分析《生物统计学》第73卷（1986年），第13-22页。doi:10.1093/biomet/73.1.13·兹比尔0595.62110 ·doi:10.1093/生物技术/73.113 [22] S.R.Lipsitz、G.M.Fitzmaurice、J.G.Ibrahim、D.Sinha、M.Parzen和S.Lipshultz，缺失数据的多元纵向二元结果的联合广义估计方程：在获得性免疫缺陷综合征数据中的应用《J.R.Stat.Soc.A 172》（2009年），第3-20页。doi:10.1111/j.1467-985X.2008.00564.x·doi:10.1111/j.1467-985X.2008.00564.x [23] R.Little和D.Rubin，缺失数据的统计分析，威利，纽约，1987年·Zbl 0665.62004号 [24] M.Naskar和K.Das，二值二元数据的半参数分析《生物统计学》第62卷（2006年），第1004-1013页。doi:10.1111/j.1541-0420.2006.00618.x·Zbl 1116.62034号 ·doi:10.1111/j.1541-0420.2006.00618.x [25] N.Nooraee、G.Molenberghs和E.R.van den Heuvel，纵向顺序数据的GEE：比较R-geepack、R-multgee、R-repolr、SAS-GENMOD、SPSS-GENLIN，计算。统计数据分析。77（2014），第70-83页。doi:10.1016/j.csda.2014.03.009·Zbl 1506.62139号 ·doi:10.1016/j.csda.2014.03.009 [26] J.Rasbash、C.Charlton、W.Browne、M.Healy和B.Cameron，MLwiN包2.1版多级建模中心布里斯托尔大学，2009年。可在http://www.bristol.ac.uk/cmm/software/mlwin/。 [27] D.鲁宾，调查中无应答的多重插补，威利，纽约，1987年·2007年6月10日 ·数字对象标识代码：10.1002/9780470316696 [28] D.Rubin和R.Little，缺失数据的统计分析，John Wiley&Sons，新泽西州霍博肯，2002年·Zbl 1011.62004号 [29] A.Satty、H.Mwambi和G.Molenberghs，处理随机辍学时缺失导致的不完全纵向二元结果的不同方法《统计方法》。24（2015），第12-27页。doi:10.1016/j.stamet.2014.10.002·Zbl 1486.62217号 ·doi:10.1016/j.stamet.2014.10.002 [30] J.Schafer，不完全多元数据分析，Chapman&Hall/CRC，伦敦，1997年·兹比尔0997.62510 ·doi:10.1201/9781439821862 [31] J.Schafer，范数：正态模型下不完全多元数据的分析，R包版本1.0-9.52015。可在http://cran.r-project.org/web/packages/norm/。 [32] J.L.Schafer和R.M.Yucel，具有缺失值的多元线性混合效应模型的计算策略，J.计算。图表。《统计》第11卷（2002年），第437-457页。doi:10.1198/106186002760180608 [33] B.J.Shelton、G.H.Gilbert、B.Liu和M.Fisher，多元纵向二元结果分析的SAS宏，计算。方法程序生物识别。76（2004），第163-175页。doi:10.1016/j.cmpb.2004.05.005·doi:10.1016/j.cmpb.2004.05.005 [34] C.W.Shen和Y.H.Chen，考虑辍学损失的广义估计方程的模型选择《生物统计学》第68卷（2012年），第1046-1054页。doi:10.1111/j.1541-0420.2012.01758.x·Zbl 1258.62108号 ·doi:10.1111/j.1541-0420.2012.01758.x [35] C.W.Shen和Y.H.Chen，具有多重输入纵向数据的广义估计方程的模型选择《生物技术杂志》第55卷（2013年），第899-911页。doi:10.1002/bimj.201200236·Zbl 1441.62488号 ·doi:10.1002/bimj.201200236 [36] 美国卫生与公共服务部及其他部门，吸烟对健康的影响：一份总外科医生的报告美国卫生与公共服务部、疾病控制与预防中心、国家慢性病预防与健康促进中心、吸烟与健康办公室，2004年第62卷，佐治亚州亚特兰大。 [37] 美国卫生与公共服务部及其他部门，外科医生的报告，美国卫生与公众服务部，疾病控制与预防中心，国家慢性病预防与健康促进中心，吸烟与健康办公室，第17卷，佐治亚州亚特兰大，2014年。 [38] L.Wang、J.Zhou和A.Qu，用于高维纵向数据分析的惩罚广义估计方程《生物统计学》第68卷（2012年），第353-360页。doi:10.1111/j.1541-0420.2011.01678.x·兹比尔1251.62051 ·doi:10.1111/j.1541-0420.2011.01678.x [39] R.Yucel等人，缺失值多元线性混合模型下的ML估计，R包版本0.3-1.2，2010。可在http://cran.r-project.org/web/packages/mlmmm。 [40] R.M.Yucel、Y.He和A.M.Zaslavsky，使用校准改进插补中的四舍五入《美国统计》第62卷（2008年），第125-129页。doi:10.1198/000313008X300912 [41] R.M.Yucel、Y.He和A.M.Zaslavsky，健康调查中基于高斯的分类变量插补程序《Stat.Med.30》（2011年），第3447-3460页。doi:10.1002/sim.4355·doi:10.1002/sim.4355 [42] S.L.Zeger和K.Y.Liang，离散和连续结果的纵向数据分析《生物统计学4》（1986年），第121-130页。doi:10.2307/2531248·doi:10.2307/2531248 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。