En un modelo de medidas repetidas en el que las evaluaciones se realizan a lo largo del tiempo, ¿deben excluirse los datos de referencia si se utiliza la covariable de referencia?

Question

En un modelo en el que los sujetos son evaluados a lo largo del tiempo y una línea de base ( time=0 ) se utiliza una covariable (por ejemplo score ~ baseline + group + time + group*time ), parece que a menudo se sugiere excluir los datos de referencia de la variable dependiente (p. ej, score ). Pero excluir los datos de referencia parece disminuir la precisión del modelo.

El modelo anterior es estadísticamente equivalente a un análisis de cambio desde la línea de base (por ejemplo, cambio desde baseline ~ baseline + group + time + group*time ). Si time = 0 no se excluye, entonces todos los grupos tienen un cambio desde la línea de base de 0 en el tiempo = 0, y el argumento es que la homogeneidad del 100% en el tiempo = 0 sesga los resultados.

Answer 1

Un punto adicional que no se menciona en las otras respuestas es que cuando se incluye la medición de la línea de base como covariable en el modelo, se asume una correlación constante de esta medición con todas las mediciones subsiguientes, lo que a menudo no es lógico asumir.

Answer 2

El consejo es no incluir rezagado variables dependientes como predictores de efectos fijos en un modelo mixto longitudinal. Véase aquí Técnicamente, no está haciendo eso con su formulación, sin embargo, yo tendría cuidado con esto. Una solución podría ser cambiar a un marco de modelización de ecuaciones estructurales (SEM), especialmente si tiene pocos puntos temporales. Esto le permitiría especificar trayectorias de regresión desde su puntuación de referencia hasta cada una de las puntuaciones posteriores. La medida en que su teoría dependa de la presencia del efecto de la línea de base determinará si el cambio a SEM tiene sentido.

*Puede valer la pena enviar esta pregunta a Paul Allison en esa entrada del blog. Sé por experiencia propia que Paul es muy receptivo a las preguntas. Si lo haces, por favor, ¡informa de lo que dice!

Answer 3

Tienes 3 opciones:

Modelo 1: score ~ group + time + group*time) incluida la medición de referencia

Modelo 2: score ~ baseline + group + time + group*time) excluyendo la medición de referencia

Modelo 3: (score - baseline)~ group + time + group*time) excluyendo la medición de referencia

Por supuesto, es necesario incorporar la correlación de los términos de error en el modelo indirectamente especificando el efecto aleatorio, o directamente especificando la matriz de covarianza de los términos de error, ambos.