Puede pistas en regresiones lineales se utiliza como independiente o dependiente de las variables en otros modelos de regresión?

Question

Tengo 100 pacientes, y cada paciente tiene 10 longitudinal de la creatinina sérica. El filtrado glomerular estimado (fge) se calcula a partir de una fórmula MDRD que comprende el género, la edad y la creatinina sérica. el eGFR es la variable dependiente y el tiempo es la variable independiente en la regresión lineal para cada paciente.

1. Hacer regresiones lineales violar el independiente "X" de la asunción y lineal de los modelos mixtos deben utilizar en su lugar?
2. Puede eGFR pendientes (que son estimaciones con las incertidumbres en lugar de medir los números) estimado a partir de cada paciente (en regresiones lineales para cada paciente o en el de efectos aleatorios, modelos mixtos [cómo calcular las pendientes para cada paciente individual en los modelos mixtos?]) se utiliza como independiente o dependiente de las variables en otros modelos de regresión?

Gracias.

Answer 1

En efecto, se propone utilizar la regresión lineal como un procedimiento matemático para condensar un 10-observación de la variable aleatoria en una sola variable (la pendiente). Como tal, es sólo otro ejemplo de procedimientos similares como (por ejemplo) usando un promedio de mediciones repetidas como una regresión de la variable o incluso de componentes principales de las puntuaciones en una regresión.

Comentarios específicos a seguir.

(1) la regresión Lineal no requieren de la X (variables independientes) para ser "independiente". En efecto, en la formulación estándar, el concepto de independencia no se aplica porque la X son valores fijos, no realizaciones de una variable aleatoria.

(2) Sí, usted puede utilizar las pistas como dependiente de las variables. Sería de gran ayuda para establecer que podrían comportarse como la variable dependiente en la regresión lineal. Por mínimos cuadrados ordinarios esto significa que

una. Pendientes puede depender de algunos de los pacientes atributos.

b. La dependencia es aproximadamente lineal, al menos para el rango de paciente observado atributos.

c. Cualquier variación entre el observado pendiente y la hipótesis de la pendiente puede ser considerado aleatorio.

d. Esta variación aleatoria (i) independiente de paciente a paciente, y (ii) tiene aproximadamente la misma distribución de paciente a paciente.

e. Como antes, las variables independientes no son vistos como al azar, pero como fijo y medir sin error apreciable.

Si todas estas condiciones aproximadamente espera, usted debería estar bien. Violaciones de (d) o (e) se pueden curar mediante el uso de generalizaciones de mínimos cuadrados ordinarios.

(2'). Debido a que las laderas se presentan incertidumbre (como se mide en la regresión utilizado para la estimación de las laderas), podrían no ser buenos candidatos para el independiente de las variables, a menos que usted está tratando como al azar en un modelo mixto o está utilizando un errores en las variables del modelo.

Usted también puede hacer frente a esta situación por medio de un jerárquica de Bayes modelo.