全部版块 我的主页
论坛 数据科学与人工智能 数据分析与数据科学 SAS专版
21321 14
2010-12-26
有这样的一组试验数据:处理组别:A1(试验药高剂量),A2(试验药低剂量),C(安慰剂对照);重复观测:T0(在用药之前的测量值),T1(用药之后1个月时的测量值),T2(用药之后2个月的测量值),T3(用药之后3个月的测量值)。另外A1入组12人,A2入组9人,A3入组13人,即unbalanced,想要知道3个处理组之间的治疗效果有无差异。程序:
data a;
input group $ t0 t1 t2 t3 @@;
cards;
A1 12 13 23 29
........
A2 13 24 34 29
........
A3 14 34 32 31
........
;
run;
proc glm data=a;
class group;
model t0 t1 t2 t3=group;
repeated time 4 contrast(1)/printe summary;
means group/snk lsd;
run;
quit;
其实,对于治疗效果还要考虑到基线值的差异(即清除T0的影响),所以应该把T0作为协变量来处理。在SPSS中是通过“Analyze"-"General Linear Model"-"Repeated Measures Define Factor(s)"然后再选择3个factors,作为时间因素,并把T0作为协变量,group作为between subject变量,再得出分析的结果。
那么,我用如下的程序是否就对了?
proc glm data=a;
class group;
model t1 t2 t3=group t0;
repeated time 3 contrast(1)/printe summary;
repeated time 3 contrast(2)/printe summary;
means group/snk lsd;
run;
quit;
我对了下SPSS和SAS的运行结果,出来的值(能对应的上的)都是一样的。
也欢迎各位大虾提供建议,多多批评和指正,先谢过了!
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2010-12-27 18:23:57
期待回答啊。有没有在CRO公司或者在诺华、辉瑞等制药公司的统计分析部门的朋友,这种重复测量的方差分析肯定是会经常碰到的,所以还请大家多给意见和建议。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2010-12-28 11:21:47
1# zhangweibeckham

为什么不试试混合线性模型呢?(proc mixed)
1. GLM是应用最小二乘法原理计算协方差参数的,这一模型对协方差结构有极端的假定。当需要估计尽可能多的方差及协方差参数时,GLM模型有一定的局限性,而基于似然函数法原理的混合效应线性模型分析方法可满足不受协方差参数限制的要求,而且MIXED模型还可以分析观察时间点不相等的资料,也能充分利用具有缺失观察值的资料,它允许资料存在某种相关性及协方差矩阵的多样性,更适应重复测量资料的特点。
2. 一般线性模型(GLM)要求误差项e具有独立一致的正态分布,而许多实际资料不能满足这一假定。Mixed 模型允许误差项具有更灵活的结构,包括相关性和方差的不齐性。
3. 混合效应线性模型(proc mixed)采用最大似然估计法(maximum likelihoodML)和约束最大似然估计法(restricted maximum likelihoodREML)原理计算协方差矩阵。
4. 应用混合效应线性模型的步骤:
   确定固定效应和随机效应;
   选择协方差结构,常见的有7种。
       a.
独立结构(又称方差分量结构) VC ,矩阵中含1个协方差参数;

       b.
复合对称结构CS,矩阵中含2个协方差参数;

       c.
空间幂相关结构 SP(POW),含2个协方差参数;

      d.
无结构(又称不规则结构) UN,含n(n+1)/2个协方差参数;

       e.
一阶自回归结构 AR(1),含2个协方差参数;

       f.
带状主对角结构 UN(1),含n个协方差参数;

       g.
循环相关结构 TOEP,含n个协方差参数;

  述不同的协方差矩阵中,选出似然比统计量(-2 Log Likelihood)、Akaike’s Information Criterion(AIC)、及Schwartz’s Bayesian CriterionBIC)较小的一个。如果这些统计量很近似,则选含参数个数最少的一个,通常以AIC为主要判断指标。
   选定协方差结构后,再筛选固定效应参数,剔除无统计学意义的高阶效应。

二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2010-12-28 11:22:59
1# zhangweibeckham

代码如下:
复制代码

没有原始数据,楼主自己运行一下吧。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2011-1-4 13:14:13
sean1945 发表于 2010-12-28 11:21
1# zhangweibeckham

为什么不试试混合线性模型呢?(proc mixed)
1. GLM是应用最小二乘法原理计算协方差参数的,这一模型对协方差结构有极端的假定。当需要估计尽可能多的方差及协方差参数时,GLM模型有一定的局限性,而基于似然函数法原理的混合效应线性模型分析方法可满足不受协方差参数限制的要求,而且MIXED模型还可以分析观察时间点不相等的资料,也能充分利用具有缺失观察值的资料,它允许资料存在某种相关性及协方差矩阵的多样性,更适应重复测量资料的特点。
2. 一般线性模型(GLM)要求误差项e具有独立一致的正态分布,而许多实际资料不能满足这一假定。Mixed 模型允许误差项具有更灵活的结构,包括相关性和方差的不齐性。
3. 混合效应线性模型(proc mixed)采用最大似然估计法(maximum likelihoodML)和约束最大似然估计法(restricted maximum likelihoodREML)原理计算协方差矩阵。
4. 应用混合效应线性模型的步骤:
   确定固定效应和随机效应;
   选择协方差结构,常见的有7种。
       a.
独立结构(又称方差分量结构) VC ,矩阵中含1个协方差参数;

       b.
复合对称结构CS,矩阵中含2个协方差参数;

       c.
空间幂相关结构 SP(POW),含2个协方差参数;

      d.
无结构(又称不规则结构) UN,含n(n+1)/2个协方差参数;

       e.
一阶自回归结构 AR(1),含2个协方差参数;

       f.
带状主对角结构 UN(1),含n个协方差参数;

       g.
循环相关结构 TOEP,含n个协方差参数;

  述不同的协方差矩阵中,选出似然比统计量(-2 Log Likelihood)、Akaike’s Information Criterion(AIC)、及Schwartz’s Bayesian CriterionBIC)较小的一个。如果这些统计量很近似,则选含参数个数最少的一个,通常以AIC为主要判断指标。
   选定协方差结构后,再筛选固定效应参数,剔除无统计学意义的高阶效应。

理论很深的嘛,学习了!
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2011-1-4 22:26:07
谢谢您的回答,非常详细,不过你的程序和思路和我想要的做的分析目的不同,我是想去出第一次观测的影响(即基线值的影响)去考察3个组别之间的治疗效果有没有差异,所以T0应该不能放在因变量中考虑,你这个模型是个更一般的方差分析,约束条件少了。我已经确定我的程序处理这种剔除基线差异的重复观测的方差分析是合适的。再一次感谢您使我受益匪浅!
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群