Considere la posibilidad de un azar interceptar modelo lineal. Esto es equivalente a GEE regresión lineal con un intercambiables de trabajo de la matriz de correlación. Supongamos que la de los predictores se $x_1, x_2,$ $x_3$ y los coeficientes de estos predictores son $\beta_1$, $\beta_2$, y $\beta_3$. ¿Cuál es la interpretación de los coeficientes en el azar interceptar modelo? Es el mismo que el GEE regresión lineal excepto que es en el nivel individual?
Respuestas
¿Demasiados anuncios?
alexs77
Puntos
36
GEE y Mixto Modelo Coeficientes no son generalmente considerados como la misma. Un efectivo de la notación para esto es para denotar GEE coeficiente de vectores como $\beta^{(m)}$ (efectos marginales) y el modelo mixto coeficiente de vectores como $\beta^{(c)}$ (el condicional de los efectos). Estos efectos son, obviamente, va a ser diferente para no plegable funciones de enlace desde el GEE promedios de varias instancias de la condicional enlace a través de varias iteraciones. Los errores estándar de los marginales y condicionales efectos son también, obviamente, va a ser diferente.
Una tercera y a menudo pasado por alto el problema es que de modelo misspecification. GEE da una tremenda seguro contra las desviaciones de los supuestos del modelo. Porque de sólidos de la estimación del error, GEE lineal de los coeficientes de uso de la identidad de enlace siempre puede interpretarse como un promedio de primer orden tendencia. Modelos mixtos daré algo similar, pero van a ser diferentes cuando el modelo está mal especificada.
bessman
Puntos
2514
GEE estima que el promedio de los efectos en la población. Al azar de intercepción de los modelos de estimación de la variabilidad de estos efectos. Si $\alpha_j=\gamma_0+\eta_j$, $\eta_j\sim\mathcal{N}(0,\sigma^2_\alpha)$, al azar de intercepción de los modelos de cálculo de $\gamma_0$ (que es el promedio de la población interceptar y, en normal lineal de los modelos, es igual a la estimada por GEE) y $\sigma^2_\alpha$.
Si la intersección es modelado por la de segundo nivel predictores, por ejemplo,$\alpha_j=\gamma_0+\gamma_1 w_j+\eta_j$, un azar de interceptar modelo puede estimar cómo los interceptos varían en el nivel individual, el yo.d. según económicos, demográficos, familiares, etc. factores, para el "grupo" para que un individuo pertenece.
