Når skal man bruke generaliserte estimeringsligninger?

Dette er et spørsmål ekspertene våre får fra tid til annen. Nå har vi den fullstendige detaljerte forklaringen og svaret for alle som er interessert!

Spurt av: Keaton Dach
Poengsum: 4,7/5(2 stemmer)

I statistikk brukes en generalisert estimeringsligning (GEE) for å estimere parametrene til en generalisert lineær modell med en mulig ukjent korrelasjon mellom utfall. Parameterestimater fra GEE er konsistent selv når kovariansstrukturen er feilspesifisert , under milde regularitetsforhold.

Hva er GEE-tilnærmingen?

Generaliserte estimeringslikninger (GEE) er metoder for parameterestimering for korrelerte data . Når data samles inn på de samme enhetene over påfølgende tidspunkt, korreleres disse gjentatte observasjonene over tid.

Hva er en generalisert ligning?

Begrepet generalisert ligning har nylig blitt brukt for å beskrive visse typer inkluderinger som involverer funksjoner med flere verdier , spesielt operatører med normal kjegle.

Hva er GEE i SPSS?

Generalized Estimating Equations-prosedyren utvider den generaliserte lineære modellen for å tillate analyse av gjentatte målinger eller andre korrelerte observasjoner, for eksempel grupperte data.

Kan GEE håndtere ubalansert?

Både GEE og CS kan håndtere ubalanserte data . GEE fungerer bra hvis du mangler data og det mangler helt tilfeldig (MCAR). Under denne forutsetningen gir GEE-tilnærmingen konsistente estimatorer av regresjonskoeffisientene og av deres robuste varianser selv om den antatte arbeidskorrelasjonen er feilspesifisert.

Generaliserte estimeringslikninger (GEEs)

30 relaterte spørsmål funnet

Hva er forskjellen mellom GLM og GEE?

GEE er en utvidelse av generaliserte lineære modeller (GLM) for analyse av longitudinelle data. I denne metoden modelleres korrelasjonen mellom målinger ved å anta en fungerende korrelasjonsmatrise. ... Dessuten er GLMM en utvidelse av GLM, i den grad den tillater tilfeldige effekter i lineære prediktorer.

Når bør vi bruke GEE?

Populasjonsgjennomsnittsmodeller bruker vanligvis en generalisert estimeringslikning (GEE) tilnærming. Disse metodene brukes i stedet for grunnleggende regresjonsnærminger fordi helsen til beboere i samme nabolag kan være korrelert, og dermed bryte uavhengighetsantakelsene laget av tradisjonelle regresjonsprosedyrer.

Hva er GEE-modellen i statistikk?

I statistikk, a generalisert estimeringsligning (GEE) brukes til å estimere parametrene til en generalisert lineær modell med en mulig ukjent korrelasjon mellom utfall. ... De er et populært alternativ til den sannsynlighetsbaserte generaliserte lineære blandede modellen som er mer følsom for spesifikasjoner for variansstruktur.

Hvordan kjører du et generalisert estimat i SPSS?

For å kjøre en analyse av generalisert estimering av ligninger, velg fra menyene: Analyser > Generaliserte lineære modeller > Generaliserte estimeringslikninger ... Velg Child ID som emnevariabel. Velg Alder som en innen-fagsvariabel.

Hva er den generelle ligningen for parabel?

For å løse problemer på parabler brukes den generelle ligningen til parablen, den har den generelle formen y = akse^to+ bx + c (toppunktet form y = a(x - h)^to+ k) hvor, (h,k) = toppunktet til parablen.

Er GEE en parametrisk test?

GEE-tilnærmingen er en utvidelse av GLM-er. Det gir en semi-parametrisk tilnærming til longitudinell analyse av kategorisk respons; den kan også brukes til kontinuerlige målinger.

Hva er skalaparameter i GEE?

Skalaparameteren er et biprodukt av estimeringen av GEE-modellen og er beregnet for alle mulige familietilknyttede kombinasjoner. ... For å sikre at det er det, multipliserer vi den resulterende variansmatrisen med den estimerte skalaparameteren og setter deretter estimatet til én.

Er logistisk regresjon en klassifisering?

Logistisk regresjon er en klassifiseringsteknikk som brukes i maskinlæring . Den bruker en logistisk funksjon for å modellere den avhengige variabelen.

Er GEE en tilfeldig effektmodell?

GEE modellerer ikke tilfeldige effekter , betrakter heller klyngene eller enhetene som plageparametere, kun brukt for å redegjøre for mangelen på uavhengighet blant observasjoner.

Hva gjør robust regresjon?

Robust regresjon er en iterativ prosedyre som søker å identifisere uteliggere og minimere deres innvirkning på koeffisientestimatene . Mengden vekting som tildeles hver observasjon i robust regresjon styres av en spesiell kurve som kalles en påvirkningsfunksjon.

Hva er paneldata i statistikk?

Paneldata, noen ganger referert til som longitudinelle data, er data som inneholder observasjoner om ulike tverrsnitt over tid . ... Paneldata kan oppdage og måle statistiske effekter som rene tidsserier eller tverrsnittsdata ikke kan.

Hva er paneldata i SPSS?

Paneldataanalyse, også kjent som tverrsnittstidsserieanalyse, ser på en gruppe mennesker, 'panelet', ved mer enn én anledning. Panelstudier er i hovedsak tilsvarende longitudinelle studier , selv om det kan være mange responsvariabler observert på hvert tidspunkt.

Hva er panelregresjon?

Panelregresjon er en modelleringsmetode tilpasset paneldata , også kalt longitudinelle data eller tverrsnittsdata. Det er mye brukt i økonometri, hvor oppførselen til statistiske enheter (dvs. panelenheter) følges over tid. Disse enhetene kan være firmaer, land, stater osv.

Er GEE en flernivåmodell?

Men med de riktige modelleringsskjemaene kan resultatene være svært tolkbare og handlingsdyktige. To kraftige former for flernivåmodellering er: Generaliserte estimeringslikninger (GI)

Hva er lineær blandet modellanalyse?

Lineære blandede modeller er en utvidelse av enkle lineære modeller for å tillate både faste og tilfeldige effekter , og brukes spesielt når det ikke er uavhengighet i dataene, slik som oppstår fra en hierarkisk struktur. For eksempel kan studenter bli tatt prøver fra klasserom, eller pasienter fra leger.

Hva er Proc Genmod i SAS?

GENMOD-prosedyren aktiverer deg å passe en rekke modeller , opp gjennom et maksimalt antall termer spesifisert i en MODEL-setning. En tabell oppsummerer to ganger forskjellen i loggsannsynligheter mellom hvert påfølgende modellpar.