최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기응용통계연구 = The Korean journal of applied statistics, v.33 no.3, 2020년, pp.281 - 296
곽나영 (성균관대학교 통계학과) , 이근백 (성균관대학교 통계학과)
Repeated outcomes from the same subjects are referred to as longitudinal data. Analysis of the data requires different methods unlike cross-sectional data analysis. It is important to model the covariance matrix because the correlation between the repeated outcomes must be considered when estimating...
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
경시적 자료란? | 같은 개체로부터 반복 측정한 자료를 경시적 자료(longitudinal data)라고 한다. 이러한 자료를 분석하려면 흔히 사용되는 횡단 자료 분석과는 다른 분석 방법이 필요하다. | |
Xu와 Mackenzie (2012)의 공분산행렬 모형화 방법의 장점은? | GARMs의 요소와 IVMs에서 만들어진 고유치는 선형회귀 및 로그 선형회귀 모형으로 모형화 할 수 있다. Xu와 Mackenzie (2012)의 공분산행렬 모형화 방법은 자료가 단조적인 중도탈락(monotone dropout)에 의해 불균형 형태일 때에도 개체별 로 공분산행렬을 모형화 하는 것이 가능하다는 장점이 있다. 그러나 각 시점의 값 간의 상관관계를 설명하기 위한 공분산 행렬인 IVMs의 모수들을 추정하기 어렵고 해석하기 어렵다는 단점이 있다. | |
경시적 자료를 분석할 때 단점은? | 즉, 경시적 자료에서 공변량의 효과를 추정할 때에는 반복 측정된 결과 간의 상관성을 고려해야 하며, 따라서 공분산행렬을 모형화 하는 것이 매우 중요하다. 그러나 추정해야 할 모수가 많고, 추정된 공분산행렬이 양정치성을 만족해야 하므로 공분산 행렬의 모형화는 쉽지 않다. 특히 다변량 경시적 자료분석을 위한 공분산행렬의 모형화는 더욱더 심층적인 방법론을 사용해야 한다. |
Kim, C. and Zimmerman, D. L. (2012). Unconstrained models for the covariance structure of multivariate longitudinal data, Journal of Multivariate Analysis, 107, 104-118.
Kohli, P., Garcia, T. P., and Pourahmadi, M. (2016). Modeling the Cholesky factors of covariance matrices of multivariate longitudinal data, Journal of Multivariate Analysis, 145, 87-100.
Lee, K., Cho, H., Kwak, M. S. and Jang, E. J. (2019). Estimation of covariance matrix of multivariate longitudinal data using modified Choleksky and hypersphere decompositions, Biometrics, 76, 75-86.
Pourahmadi, M. (1999). Joint mean-covariance models with applications to longitudinal data: Unconstrained parameterisation, Biometrika, 86, 677-690.
Qu, A., Lindsay, B. G., and Li, B. (2000). Improving generalised estimating equations using quadratic inference functions, Biometrika, 87, 823-836.
Xu, J. and Mackenzie, G. (2012). Modelling covariance structure in bivariate marginal models for longitudinal data, Biometrika, 99, 649-662.
Zhou, J. and Qu, A. (2012). Informative estimation and selection of correlation structure for longitudinal data, Journal of the American Statistical Association, 107, 701-710.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.