[下载]Applied Longitudinal Data Analysis：Lecture Notes

kursk

4617

收藏 2009-04-18

316586.pdf
大小:(5.97 MB)

只需: 3 个论坛币马上下载

&nbsp;是LECTURE NOTES哦，691页。赚一些论坛币下载其他学习资源，过一阵子在免费，各位大侠见谅啊。Applied Longitudinal Data Analysis Lecture NotesM. Davidian Department of Statistics North Carolina State University c°2005 by Marie Davidian Contents 1 Introduction and Motivation 1 1.1 Purpose of this course . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 Examples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.3 Statistical models for longitudinal data . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 1.4 Outline of the course . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2 Review of matrix algebra 20 2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 2.2 Matrix notation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 2.3 Matrix operations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 3 Random vectors and multivariate normal distribution 32 3.1 Preliminaries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 3.2 Random vectors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 3.3 The multivariate normal distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 3.4 Multiple linear regression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 4 Introduction to modeling longitudinal data 68 4.1 Basic StatisticalModel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68 4.2 Sources of variation in longitudinal data . . . . . . . . . . . . . . . . . . . . . . . . . . . 73 4.3 Exploring mean and covariance structure . . . . . . . . . . . . . . . . . . . . . . . . . . 76 4.4 Popular models for covariance structure . . . . . . . . . . . . . . . . . . . . . . . . . . . 86 4.5 Diagnostic calculations under stationarity . . . . . . . . . . . . . . . . . . . . . . . . . . 92 4.6 Implementation with SAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96 5 Univariate repeated measures analysis of variance 105 5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105 5.2 Basic situation and statistical model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 5.3 Questions of interest and statistical hypotheses . . . . . . . . . . . . . . . . . . . . . . . 121 5.4 Analysis of variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129 5.5 Violation of covariancematrix assumption . . . . . . . . . . . . . . . . . . . . . . . . . . 132 i TABLE OF CONTENTS ST 732, M. DAVIDIAN 5.6 Specialized within-unit hypotheses and tests . . . . . . . . . . . . . . . . . . . . . . . . . 134 5.7 Adjusted tests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144 5.8 Implementation with SAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145 6 Multivariate repeated measures analysis of variance 172 6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172 6.2 General multivariate problem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175 6.3 Hotelling's T2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176 6.4 One-way MANOVA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179 6.5 Pro&macr;le Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184 6.6 Implementation with SAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188 7 Drawbacks and limitations of classical methods 201 7.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201 7.2 Assumptions and restrictions of classical methods . . . . . . . . . . . . . . . . . . . . . . 201 8 General linear models for longitudinal data 208 8.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208 8.2 Simplest case { one group, balanced data . . . . . . . . . . . . . . . . . . . . . . . . . . 210 8.3 General case { several groups, unbalanced data, covariates . . . . . . . . . . . . . . . . . 212 8.4 Models for covariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222 8.5 Inference by maximum likelihood . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228 8.6 Restrictedmaximum likelihood . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240 8.7 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243 8.8 Implementation with SAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247 8.9 Parameterizing models in SAS: Use of the noint option in SAS model statements in PROC GLM and PROC MIXED . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296 8.10 Using SAS model, contrast, and estimate statements . . . . . . . . . . . . . . . . . . 305 9 Random coe±cient models for multivariate normal data 308 9.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308 9.2 Random coe±cientmodel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309 9.3 Inference on regression and covariance parameters . . . . . . . . . . . . . . . . . . . . . 323 ii TABLE OF CONTENTS ST 732, M. DAVIDIAN 9.4 Inference on individuals . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 328 9.5 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 330 9.6 Basic PROC MIXED sytnax . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 332 9.7 Implementation with SAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 335 10 Linear mixed e&reg;ects models for multivariate normal data 362 10.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 362 10.2 Examples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 362 10.3 General linearmixed e&reg;ectsmodel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 373 10.4 Inference on regression and covariance parameters . . . . . . . . . . . . . . . . . . . . . 375 10.5 Best linear unbiased prediction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 376 10.6 Testing whether a component is random . . . . . . . . . . . . . . . . . . . . . . . . . . . 385 10.7 Time-dependent covariates . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 387 10.8 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 391 10.9 Implementation with SAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 391 11 Generalized linear models for nonnormal response 422 11.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 422 11.2 Probability models for nonnormal data . . . . . . . . . . . . . . . . . . . . . . . . . . . . 424 11.3 Generalized linear models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 435 11.4 Maximum likelihood and iteratively reweighted least squares . . . . . . . . . . . . . . . 442 11.5 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 446 11.6 Implementation with SAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 446 12 Population-averaged models for nonnormal repeated measurements 463 12.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 463 12.2 Population-averaged model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 467 12.3 Generalized estimating equations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 482 12.4 \Robust" estimator for sampling covariance . . . . . . . . . . . . . . . . . . . . . . . . . 486 12.5 Contrasting population-averaged and subject-speci&macr;c approaches . . . . . . . . . . . . . 487 12.6 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 491 12.7 Implementation with SAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 491 iii TABLE OF CONTENTS ST 732, M. DAVIDIAN 13 Advanced topics 517 13.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 517 13.2 Generalized linear mixedmodels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 517 13.3 Nonlinear mixed e&reg;ectsmodels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 520 13.4 Issues associated with missing data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 522 14 References

[此贴子已经被作者于2009-4-19 17:59:33编辑过]