我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
纵向研究在生物、社会和行为科学中发挥着重要作用。随着时间的推移,重复测量有助于研究结果水平、个人如何随时间变化以及可能影响其中一个或两个因素的因素。建立儿童随时间增长模型的标准方法是使用多层次或混合效应模型来研究可能在随时间增长的水平和增长中起作用的因素。然而,人们对使用混合模型来研究增长模式越来越感兴趣,混合模型具有固有的分组结构,可以更灵活地解释纵向结果的异质性。虽然可以使用几种可能的模型规范,但这些方法通常无法根据独立于级别的生长模式的形状明确地将个体分组,因此无法阐明生长模式与潜在解释因素之间的关系。我们说明了这些方法在当前使用中的弱点。我们还提出了一个预处理步骤,该步骤去除了结果级别,以明确关注形状,讨论其对估计的影响,并通过模拟研究和实际纵向数据证明其有用性。
Brianna C.Heggeseth。 尼古拉斯·P·朱厄尔。 “高斯混合模型可能会漏掉影响增长模式的因素。” 附录申请。斯达。 12 (1) 222 - 245, 2018年3月。 https://doi.org/10.1214/17-AOAAS1066