A latent variable regression model for asymmetric bivariate ordered categorical data
A latent variable regression model for asymmetric bivariate ordered categorical data
复制标题
非对称二元有序分类数据的潜变量回归模型
DOI：
10.1080/02664760600709010
复制
发表时间：
2006
影响因子：
1.5
通讯作者：
A. Kazemnejad
中科院分区：
文献类型：
--
作者：
F. Zayeri;A. Kazemnejad
摘要在医学研究的许多领域，特别是涉及器官配对的研究中，应该分析二元有序分类反应。使用双变量连续分布作为潜在变量是分析这些数据集的一个有趣的策略。在这一背景下，导致二元累积概率回归模型的二元标准正态分布是最常见的选择。在这篇文章中，我们引入了另一种潜在变量回归模型来模拟二元有序分类反应。当假设响应数据的边际或联合分布的对称形式似乎不是有效的假设时，该模型可能是二元累积概率回归模型的适当替代。我们还开发了必要的数值程序来获得模型参数的最大似然估计。为了说明所提出的模型，我们分析了一项流行病学研究的数据，以确定伊朗德黑兰15-19岁学生中一些最重要的牙周病风险指标。
Abstract In many areas of medical research, especially in studies that involve paired organs, a bivariate ordered categorical response should be analyzed. Using a bivariate continuous distribution as the latent variable is an interesting strategy for analyzing these data sets. In this context, the bivariate standard normal distribution, which leads to the bivariate cumulative probit regression model, is the most common choice. In this paper, we introduce another latent variable regression model for modeling bivariate ordered categorical responses. This model may be an appropriate alternative for the bivariate cumulative probit regression model, when postulating a symmetric form for marginal or joint distribution of response data does not appear to be a valid assumption. We also develop the necessary numerical procedure to obtain the maximum likelihood estimates of the model parameters. To illustrate the proposed model, we analyze data from an epidemiologic study to identify some of the most important risk indicators of periodontal disease among students 15–19 years in Tehran, Iran.
影响因子：
2
作者：
LIPSITZ, SR;KIM, K;ZHAO, LP
通讯作者：
ZHAO, LP
相关顺序测量方法与眼科应用的比较。
影响因子：
2
作者：
Gange,SJ;Linton,KL;Scott,AJ;DeMets,DL;Klein,R
通讯作者：
Klein,R