Bir değişkenin nüfusun ortalama etkilerini bireysel etkilerle ortaya çıkarmak için GEE kullanın. Bu iki şey yalnızca doğrusal modellerde eşdeğerdir, ancak doğrusal değildir (örneğin lojistik). Rastgele etki, örneğin, bir lojistik model alır, bu görmek için gözlenmesine inci konu th ', ;jiYij
log(pij1−pij)=μ+ηi
burada ve konusu için rastgele bir etkidir .ηi∼N(0,σ2)ipij=P(Yij=1|ηi)
Bu veriler üzerinde rastgele etki modeli kullandıysanız, o zaman bir tahmin alacağı ortalama sıfır normalde dağıtılmış pertürbasyon bireysel spesifik olarak, her bireye uygulanmış olmaları gerçeğine dayanır.μ
Bu verilerde GEE kullanıyorsanız, popülasyon ortalaması günlük oranlarını tahmin edersiniz. Bu durumda olur
ν=log⎛⎝⎜Eη(11+e−μ−ηi)1−Eη(11+e−μ−ηi)⎞⎠⎟
ν≠μ . Örneğin, ve , . Rastgele etkilerin dönüştürülmüş (veya bağlantılı ) ölçekte ortalama sıfıra sahip olmasına rağmen, etkileri verilerin orijinal ölçeğinde sıfır anlamına gelmez. Bir karma efektler lojistik regresyon modelinden bazı verileri simüle etmeye çalışın ve popülasyon seviyesi ortalamasını müdahalenin ters logit ile karşılaştırmayı deneyin ve bunların bu örnekte olduğu gibi eşit olmadığını göreceksiniz. Katsayıların yorumlanmasındaki bu fark, GEE ve rastgele etki modelleri arasındaki temel farktır .μ=1σ2=1ν≈.83
Düzenleme: Genel olarak, öngörücü olmayan karma efektler modeli şu şekilde yazılabilir:
ψ(E(Yij|ηi))=μ+ηi
burada bir link işlevidir. Her ne zamanψ
ψ(Eη(ψ−1(E(Yij|ηi))))≠Eη(E(Yij|ηi))
Nüfus ortalama katsayıları (GEE) ile bireysel spesifik katsayılar (rastgele etki modelleri) arasında bir fark olacaktır. Diğer bir deyişle, ortalamalar verileri dönüştürerek, dönüştürülen ölçeğe rasgele efektleri ekleyerek ve sonra geri dönüştürerek değişmektedir. Doğrusal modelde (yani, ) eşitliğin tutulduğunu ve eşdeğer olduklarını unutmayın.ψ(x)=x
Düzenleme 2: Bir GEE modeli tarafından üretilen "sağlam" sandviç tipi standart hataların, modelde belirtilen korelasyon yapısı olmasa bile geçerli asimptotik güven aralıkları sağladığına (örneğin, zamanın% 95'ini kapsıyorsa) dikkat etmek gerekir. doğru.
Düzenleme 3: Eğer ilginiz verilerdeki ilişkilendirme yapısını anlamaksa, GEE ilişkilerinin tahminleri açıkça yetersizdir (ve bazen tutarsızdır). Bunun için bir referans gördüm ama şu anda yerleştiremiyorum.