Questions tagged «gee»

我已经很高兴将混合效果模型用于纵向数据已有一段时间了。我希望我能适应lmer中的AR关系（我认为我做不到这一点是对的吗？），但我不认为这非常重要，因此我不必担心太多。 我刚刚遇到了广义估计方程（GEE），它们似乎比ME模型具有更大的灵活性。 冒着问一个笼统的问题的风险，是否有任何建议适合于不同的任务？我看过一些比较它们的论文，它们的形式通常是： “在这个高度专业化的领域，不要将GEE用于X，不要将ME模型用于Y”。 我没有找到更多一般性建议。谁能启发我？ 谢谢！

63 mixed-model  gee 

我想知道混合GLM和未混合GLM之间有什么区别。例如，在SPSS中，下拉菜单允许用户适应以下任一情况： analyze-> generalized linear models-> generalized linear models 和 analyze-> mixed models-> generalized linear 他们对缺失值的处理方式不同吗？ 我的因变量是二进制，并且我有几个分类的和连续的自变量。

34 mixed-model  generalized-linear-model  glmm  gee 

我正在使用logit链接在3级不平衡数据上运行GEE。这与混合效果（GLMM）和logit链接的GLM有什么不同（就我得出的结论和系数的含义而言）？ 更多详细信息：观察结果是单次bernoulli试验。它们分为教室和学校。使用R。按需省略NA。6个预测变量也包括交互项。 （我不是要让孩子们抬头看他们是否抬头。） 我倾向于对系数进行比对。两者的含义是否相同？ 关于GEE模型中的“边际均值”，我的内心深处潜藏着一些东西。我需要向我解释一下。 谢谢。

27 logistic  mixed-model  generalized-linear-model  interpretation  gee 

我是一名流行病学家，试图了解GEE，以便正确地分析队列研究（使用带有对数链接的Poisson回归来估计相对风险）。我有一些关于“工作相关性”的问题，希望有更多知识的人来澄清： （1）如果我在同一个人中进行过多次测量，通常假设采用可交换结构最合理吗？（如果测量结果显示趋势，则为自回归）？独立性又如何？在任何情况下，都可以假设同一个人的测量具有独立性？ （2）是否有（合理简单）的方法通过检查数据来评估适当的结构？ （3）我注意到，当选择一个独立结构时，与运行简单的泊松回归（使用R，函数glm()和geeglm()from package geepack）得到的点估计（但标准误较低）相同。为什么会这样呢？我了解，使用GEE，您可以估算总体平均模型（与特定主题不同），因此，仅在线性回归情况下，您应该获得相同的点估算。 （4）如果我的队列位于多个位置（但每个人一个度量），我应该选择独立性还是可交换的工作关联，为什么？我的意思是，每个站点中的个人仍然彼此独立，对吗？因此，例如，对于特定于对象的模型，我会将站点指定为随机效果。但是，对于GEE，独立性和可交换性给出了不同的估计，我不确定就基础假设而言哪个更好。 （5）GEE是否可以处理2级分层聚类，即每个人重复测量的多站点队列？如果是，我应该在中指定什么作为聚类变量，geeglm()并且如果假设第一层（站点）为“独立”，第二层（个体）为“可交换”或“自回归”，则工作相关性应该是什么？ 我了解这些问题相当多，其中一些问题可能是相当基本的，但对于我（也许还有其他新手？）来说仍然很难解决。因此，我们非常感谢您提供的任何帮助，为此，我开始提供赏金。

19 gee 

在搜索有关边际模型和随机效应模型以及如何在它们之间进行选择的任何信息时，我发现了一些信息，但是它或多或少是数学抽象的解释（例如此处的示例：https：//stats.stackexchange .com / a / 68753/38080）。我发现在这两种方法/模型之间的参数估计值之间存在实质性差异（http://www.biomedcentral.com/1471-2288/2/15/），但是Zuur等人则相反。（2009年，第116页；http：//link.springer.com/book/10.1007%2F978-0-387-87458-6）。边际模型（广义估计方程法）带来了总体平均参数，而随机效应模型（广义线性混合模型）的输出考虑了随机效应–主体（Verbeke等人，2010年，第49-52页；http：/ /link.springer.com/chapter/10.1007/0-387-28980-1_16）。 我想在非统计学家和非数学家熟悉的语言中，在一些模型（现实生活）示例中看到对这些模型的一些类似外行的解释。 详细来说，我想知道： 什么时候应该使用边际模型，什么时候应该使用随机效应模型？这些模型适合哪些科学问题？ 这些模型的输出应如何解释？

11 mixed-model  random-effects-model  glmm  gee  marginal-model 

具有二进制响应变量（包括主题和时间作为协变量）的GLM模型（逻辑回归）与考虑了多个时间点之间的相关性的类似GEE模型之间有什么区别？ 我的GLM看起来像： Y(binary) ~ A + B1X1(subject id) + B2X2(time) + B3X3(interesting continuous covariate) 具有logit链接功能。 我正在寻找一个简单的解释（针对社会科学家），以解释两个模型中如何以及为什么对时间进行区别对待，以及解释的含义。

9 generalized-linear-model  gee 

我已经将两个广义估计方程（GEE）模型拟合到我的数据中： 1）模型1：结果是纵向的是/否变量（A）（1,2,3,4,5年），纵向连续预测变量（B）是1,2,3,4,5年。 2）模型2：结果是相同的纵向是/否变量（A），但现在我的预测变量固定为第1年的值，即被强制为时间不变（B）。 由于在不同情况下几个时间点上我的纵向预测器中缺少测量值，因此模型2中的数据点数比模型1中的要多。 我想知道我可以在两个模型的比值比，p值和拟合度之间进行有效的比较，例如： 如果模型1中预测变量B的OR较大，是否可以有效地说出模型1中A和B之间的关联性更强？ 我如何评估哪种数据更适合我的数据。我是否正确地认为，如果观察次数不同，则不应该在各个模型之间比较QIC / AIC伪R平方吗？ 任何帮助将不胜感激。

9 logistic  gee