최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, v.21 no.6, 2010년, pp.1263 - 1270
조진남 (동덕여자대학교 정보통계학과) , 백재욱 (한국방송통신대학교 정보통계학과)
Sixty patients were divided into three groups. Each group of twenty persons had fed on different diet foods over 5 weeks. Cholesterol had been measured repeatedly five times at an interval of a week during 5 weeks. It resulted from mixed model analysis of repeated measurements data that homogeneous ...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
반복측정자료는 어떤 자료인가요? | 의학, 생물학 등에서 사람이나 동물들에 대하여 같은 개체를 대상으로 반복적으로 실험을 실시하여 얻어지는 자료를 반복측정자료라고 한다. 반복측정자료의 측정시점 간에는 시간별로 독립이 아닌 일정 관계의 연관성이 존재하며, 이러한 관계는 구체적인 공분산행렬 형태로 표현된다. | |
실험자료는 구체적으로 어떤 자료인가요? | 이때 각 공분산행렬의 타당성은 모형의 적합성 여부와 유의성검정에 의하여 이루어지며, 가장 적합한 모형을 기준으로 모수인자들의 효과를 통계적으로 검정하고자 한다. 구체적으로 60명의 환자들을 대상으로 3종류의 식이요법을 각각 20명에게 투여한 후 5주간에 걸쳐 콜레스테롤에 관한 반복측정자료가 실험자료이며, 따라서 반응변수는 실험실시 후 1주 후마다 계속적으로 측정된 콜레스테롤 수치이며, 독립변수는 처리, 시점, 그리고 처리와 시점간의 교호작용이다. | |
반복측정자료의 측정시점에는 연관성이 존재하는데, 이러한 관계를 표현하는 공분산행렬 형태에 대한 적절한 정보를 얻기 위해서는 어떻게 분석하며, 어떤 정보를 잘 규명해 낼 수 있나요? | 반복측정자료의 측정시점 간에는 시간별로 독립이 아닌 일정 관계의 연관성이 존재하며, 이러한 관계는 구체적인 공분산행렬 형태로 표현된다. 공분산행렬 형태에 대한 적절한 정보를 얻기 위해서는 혼합모형을 가정하여 분석하는 것이 모수모형 또는 변량모형으로 가정하여 분석하는 것보다 추정치의 분산이 적은 안정된 계수들을 얻을 수 있으며, 각 시점과의 연관성도 보다 잘 규명해 낼 수 있다. 혼합모형에 관련된 문헌들은 Brown과 Kempton (1994), Diggle (1989), Frees (2006), Hand와 Crowder (1996), Longford (1993), 조진남과 백재욱 (2009) 등이 있으며, 반복측정자료를 이용하여 공분산행렬 형태를 분석한 문헌으로는 Brown과 Prescott(1999), Fitzmaurice 등(2004), Verbeke와 Molenberghs (2000), 조진남 (2009) 등이 있다. |
Brown, H. and Kempton, R. A. (1994). The Application of REML in clinical trials. Statistics in Medicine, 16, 1601-1617.
Brown, H. and Prescott, R. (1999). Applied mixed models in medicine, John Wiley & Sons Inc, New York.
Diggle, P. J. (1989). Testing for random dropouts in repeated measurement data. Biometrics, 43, 1255-1258.
Fitzmaurice, G. M., Laird, N. M. and Ware, J. H. (2004). Applied longitudinal analysis, John Wiley & Sons Inc, New York.
Frees. E. D. (2006). Longitudinal and panel data, Cambridge University Press, New York.
Hand, D. and Crowder, M. (1996). Practical longitudinal data analysis, Chapman & Hall, London.
Hartley, H. O. and Rao, J. N. K. (1967). Maximum likelihood estimation for the mixed analysis of variance model. Biometrika, 54, 93-108.
Littell, R. C., Milliken, G. A., Stroup, W. W. and Wolfinger, R. D. (1996). SAS System for mixed models, SAS Institute Inc., N.C., U.S.A.
Longford, N. T. (1993). Random coefficient models, Oxford University Press, Oxford.
Satterthwaite, F. E (1946). An approximate distribution of estimates of variance components. Biometrics Bulletin, 2, 110-114.
Verbeke, G, and Molenberghs G. (2000). Linear mixed models for longitudinal data, Springer Verlag, New York.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.