4. Generalized Estimating Equation

4. Generalized Estimating Equation (GEE)
Last model is called generalized estimating equations (GEEs) introduced by
Liang and Zeger [9]. They are extension of generalized linear model (GLM) to
longitudinal analysis using quasi-likelihood estimation. A basic premise of GEE
approach is that one is primarily interested in the regression parameter and is not
interested in the variance-covariance matrix of the repeated measures. As such,
generalized estimating equations treat covariance structure as a nuisance and they
are not concerned about variance of each data. They have consistent and
asymptotically normal solutions by relying on the independence across subjects to
estimate constantly the variance of the regression coefficient even when the
assumed correlation structure is incorrect.
GEE has a “working” correlation R of the repeated measurements. This
working correlation matrix is of size n×n because one assumes that there is a fixed
number of time-points n that subjects are measured at. A given subject does not
have to be measured at all n time-points. Each individual’s correlation matrix Ri is
of size ni×ni with appropriate rows and columns removed if ni < n. It is generally
recommended that choice of R should be consistent with the observed correlations.
If the choice of R is incorrect, efficiency such as statistical power is reduced.
However, the loss of efficiency is lessened as the number of subjects gets large.
Some important references in the field of generalized estimating equation can be
found in [1, 3, 6, 7, 9].

ผลลัพธ์ (ไทย) 1:

4 ตั้งค่าทั่วไปของสมการที่ประมาณ (GEE)
รุ่นล่าสุดคือเมจแบบทั่วไปประมาณสมการ (GEEs) นำโดย
เหลียงและ Zeger [9] พวกเขาจะขยายแบบจำลองเชิงเส้นเมจแบบทั่วไป (GLM)
วิเคราะห์ระยะยาวโดยใช้การประเมินความเป็นไปได้ที่ quasi- หลักฐานพื้นฐานของ GEE
วิธีคือ หนึ่งมีความสนใจหลักในพารามิเตอร์การถดถอย และไม่
สนใจในเมทริกซ์ความแปรปรวนความแปรปรวนร่วมของการวัดซ้ำ เช่น,
สมการประมาณเมจแบบทั่วไปถือว่าโครงสร้างความแปรปรวนร่วมเป็นการรบกวนและพวกเขา
ไม่กังวลเกี่ยวกับความแปรปรวนของข้อมูลแต่ละ มีความสอดคล้อง และ
asymptotically ปกติแก้ไข โดยอาศัยความเป็นอิสระในเรื่องการ
ประเมินตลอดเวลาความแปรปรวนของค่าสัมประสิทธิ์ถดถอยแม้การ
ถือว่า ความสัมพันธ์ของโครงสร้างไม่ถูกต้อง.
GEE มีความสัมพันธ์ "ทำงาน" R วัดซ้ำ นี้
เมตริกซ์สหสัมพันธ์ทำงานเป็นขนาด n × n เนื่องจากหนึ่งสันนิษฐานว่ามีคง
n เวลาจุดที่จะวัดเรื่องจำนวน เรื่องกำหนดไม่
ต้องวัดทั้งหมด n จุดเวลานั้น เมตริกซ์สหสัมพันธ์ของแต่ละบุคคลเป็น Ri
ของขนาดซื้อ ni ni ด้วยคอลัมน์และแถวที่เหมาะสมเอาถ้า ni < n โดยทั่วไปเป็น
แนะนำว่า เลือกของ R ควรจะสอดคล้องกับการสังเกตความสัมพันธ์.
ถ้าเลือก R ถูก ประสิทธิภาพเช่นสถิติพลังงานจะลดลง
อย่างไรก็ตาม น้อยขาดทุนประสิทธิภาพ ตามจำนวนเรื่องที่ได้รับขนาดใหญ่
บางข้อมูลอ้างอิงสำคัญในสมการประมาณเมจแบบทั่วไปสามารถ
พบ [1, 3, 6, 7, 9] .

ผลลัพธ์ (ไทย) 2:

4. ทั่วไปประมาณสมการ (GEE)
รุ่นล่าสุดที่เรียกว่าสมการประมาณการทั่วไป (Gees) แนะนำให้รู้จักกับ
เหลียงและ Zeger [9] พวกเขาเป็นส่วนหนึ่งของแบบจำลองเชิงเส้นทั่วไป (GLM) เพื่อ
การวิเคราะห์ตามยาวโดยใช้การประมาณค่าความน่าจะเป็นเสมือน ขั้นพื้นฐานของ GEE
วิธีการเป็นที่หนึ่งเป็นหลักความสนใจในการถดถอยพารามิเตอร์และไม่ได้เป็น
ที่สนใจในเมทริกซ์ความแปรปรวนความแปรปรวนร่วมของวัดซ้ำ เช่น
สมการทั่วไปประมาณรักษาโครงสร้างความแปรปรวนร่วมเป็นความรำคาญและพวกเขา
ไม่ได้กังวลเกี่ยวกับความแปรปรวนของข้อมูลแต่ละ พวกเขามีความสอดคล้องกันและ
การแก้ปัญหา asymptotically ปกติโดยอาศัยความเป็นอิสระในเรื่องการ
ประเมินอย่างต่อเนื่องความแปรปรวนของค่าสัมประสิทธิ์การถดถอยแม้
โครงสร้างความสัมพันธ์ถือว่าไม่ถูกต้อง
GEE มี "ทำงาน" ความสัมพันธ์อาร์ของการวัดซ้ำ นี้
เมทริกซ์ความสัมพันธ์การทำงานมีขนาด n × n เพราะสันนิษฐานว่ามีการแก้ไข
จำนวนจุดเวลา n ว่าอาสาสมัครที่มีการวัด เรื่องที่กำหนดไม่ได้
ต้องได้รับการวัดที่ n ทุกจุดเวลา แต่ละบุคคลมีความสัมพันธ์เมทริกซ์รีเป็น
ขนาด× ni ni กับแถวที่เหมาะสมและคอลัมน์ลบออกถ้า ni <n มันมักจะ
แนะนำทางเลือกของ R ที่ควรจะสอดคล้องกับความสัมพันธ์ที่สังเกต
หากทางเลือกของอาร์ไม่ถูกต้องอย่างมีประสิทธิภาพเช่นพลังงานทางสถิติจะลดลง
แต่การสูญเสียที่มีประสิทธิภาพที่มีการลดลงในขณะที่จำนวนของอาสาสมัครที่ได้รับขนาดใหญ่
บางคนที่สำคัญ อ้างอิงในสาขาของสมการประมาณการทั่วไปที่สามารถ
พบได้ใน [1, 3, 6, 7, 9]

ผลลัพธ์ (ไทย) 3:

4 ทั่วไปประมาณการสมการ ( Gee )
รุ่นล่าสุดที่เรียกว่า generalized คำนวณสมการ ( เฮ่อ ) แนะนำโดย
เลี่ยงและ เซเกอร์ [ 9 ] พวกเขาเป็นส่วนขยายของตัวแบบเชิงเส้นทั่วไป ( glm )
การวิเคราะห์ตามยาวการประมาณความน่าจะเป็นและ . สถานที่ตั้งพื้นฐานของจี
วิธีหนึ่งที่สนใจเป็นหลักในการถดถอยและไม่ได้
พารามิเตอร์สนใจในเมทริกซ์ของความแปรปรวนความแปรปรวนชนิดวัดซ้ำ เช่น การรักษา
ทั่วไปสมการโครงสร้างความแปรปรวนร่วมเป็นการรบกวนและไม่กังวลเกี่ยวกับพวกเขา
ความแปรปรวนของแต่ละข้อมูล พวกเขามีความสอดคล้องและ
asymptotically ปกติโซลูชั่นโดยอาศัยความเป็นอิสระข้ามวิชา

ประมาณความแปรปรวนของค่าสัมประสิทธิ์การถดถอยอย่างต่อเนื่อง แม้ว่า
ถือว่าความสัมพันธ์โครงสร้างที่ไม่ถูกต้อง มี " R (
! ทำงาน " ของการวัดซ้ํา .
งานนี้ความสัมพันธ์ของเมทริกซ์ขนาด n × n เพราะถือว่ามีการแก้ไขจำนวนของจุดเวลา n
) เป็นวัดที่ ให้เรื่องไม่
ต้องวัดเลย N จุดเวลา ของแต่ละเมทริกซ์สหสัมพันธ์ริ
ขนาดผม×ผมกับแถวที่เหมาะสมและคอลัมน์เอาออกถ้าผม < . มันเป็นโดยทั่วไปแนะนำให้เลือก
R ควรจะสอดคล้องกับสังเกตความสัมพันธ์ของ R .
ถ้าเลือกไม่ถูกต้อง ประสิทธิภาพ เช่น สถิติพลังงานจะลดลง .
แต่การสูญเสียประสิทธิภาพลดลงเป็นจำนวนวิชาที่ได้รับ
ขนาดใหญ่ .ที่สำคัญอ้างอิงในสาขาทั่วไปสามารถพบได้ในการประมาณสมการ
[ 1 , 3 , 6 , 7 , 9 ] .