A stochastic second-order generalized estimating equations approach for estimating association parameters.
A stochastic second-order generalized estimating equations approach for estimating association parameters.
复制标题
DOI：
10.1080/10618600.2019.1710156
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Wang R
中科院分区：
文献类型：
--
作者：
Chen T;Tchetgen EJT;Wang R
整群随机试验的设计和分析必须考虑组内相关系数（ICC），它量化了同一群试验结果之间的相关性。二阶广义估计方程（GEE 2）提供了一种统计上稳健的方法来估计这个数量和其他关联参数。然而，GEE 2变得计算不可行的集群大小的增长。本文提出了一种随机变量拟合GEE 2，它消除了对参数初始值的依赖，并提供了比广泛使用的确定性牛顿-拉夫森方法更快的速度和更高的收敛速度。我们还提出了新的估计ICC的帐户信息缺失的结果数据，通过使用GEE 2，我们将一个“二阶”的逆概率加权方案和“二阶”双稳健（DR）估计方程，防止部分模型误指定。我们提出的方法进行了评估，通过模拟和应用到数据从一个集群随机试验在孟加拉国评估不同的营销干预措施对使用卫生厕所的影响。
Design and analysis of cluster randomized trials must take into account the intraclass correlation coefficient (ICC), which quantifies the correlation among outcomes from the same cluster. Second-order generalized estimating equations (GEE2) provides a statistically robust way in estimating this quantity and other association parameters. However, GEE2 becomes computationally infeasible as cluster sizes grow. This paper proposes a stochastic variant to fitting GEE2 which alleviates reliance on parameter starting values and provides substantially faster speeds and higher convergence rates than the widely used deterministic Newton-Raphson method. We also propose new estimators for the ICC which account for informative missing outcome data through the use of GEE2, for which we incorporate a “second-order” inverse probability weighting scheme and “second-order” doubly robust (DR) estimating equations that guard against partial model misspecification. Our proposed methods are evaluated through simulations and applied to data from a cluster randomized trial in Bangladesh evaluating the effect of different marketing interventions on the use of hygienic latrines.
登录
查看更多内容
影响因子：
56.9
作者：
Guiteras, Raymond;Levinsohn, James;Mobarak, Ahmed Mushfiq
通讯作者：
Mobarak, Ahmed Mushfiq
影响因子：
1.9
作者：
Lipsitz, SR;Fitamaurice, GM
通讯作者：
Fitamaurice, GM
影响因子：
3.7
作者：
Hall, DB;Severini, TA
通讯作者：
Severini, TA
影响因子：
2.7
作者：
LIANG, KY;ZEGER, SL
通讯作者：
ZEGER, SL
影响因子：
2.7
作者：
CAREY, V;ZEGER, SL;DIGGLE, P
通讯作者：
DIGGLE, P