Correlated bivariate continuous and binary outcomes: issues and applications.
Correlated bivariate continuous and binary outcomes: issues and applications.
复制标题
DOI：
10.1002/sim.3588
复制
发表时间：
2009-06-15
影响因子：
2
通讯作者：
Normand, Sharon-Lise T.
中科院分区：
文献类型：
--
作者：
Teixeira-Pinto, Armando;Normand, Sharon-Lise T.
越来越多的多种结果被收集，以描述治疗效果或评估大型政策举措的影响。通常，多个结果是不相称的，例如，在不同的尺度上衡量。通常的推理方法是分别对每个结果建模，忽略响应之间的潜在相关性。我们描述和对比几个完全似然和准似然多变量方法的非相称的结果。我们提出了一个新的多变量模型来分析二元和连续相关的结果使用一个潜在的变量。我们研究了相对于单变量方法的多变量方法的效率增益。对于完整的数据，所有方法都产生一致的参数估计值。当所有结果的平均结构取决于同一组协变量时，采用多变量方法的效率增益是可以忽略的。相反，当平均结果取决于不同的协变量集时，实现了大的效率增益。三个真实的例子说明了不同的方法。
Increasingly multiple outcomes are collected in order to characterize treatment effectiveness or to evaluate the impact of large policy initiatives. Often the multiple outcomes are non-commensurate, e.g., measured on different scales. The common approach to inference is to model each outcome separately ignoring the potential correlation among the responses. We describe and contrast several full likelihood and quasi-likelihood multivariate methods for non-commensurate outcomes. We present a new multivariate model to analyze binary and continuous correlated outcomes using a latent variable. We study the efficiency gains of the multivariate methods relative to the univariate approach. For complete data, all approaches yield consistent parameter estimates. When the mean structure of all outcomes depends on the same set of covariates, efficiency gains by adopting a multivariate approach are negligible. In contrast, when the mean outcomes depend on different covariate sets large efficiency gains are realized. Three real examples illustrate the different approaches.
登录
查看更多内容
DOI：
10.1198/016214501753208762
发表时间：
2001-09-01
影响因子：
3.7
作者：
Gueorguieva, RV;Agresti, A
通讯作者：
Agresti, A
DOI：
10.1111/1467-9868.00236
发表时间：
2000-01-01
影响因子：
5.8
作者：
Dunson, DB
通讯作者：
Dunson, DB
影响因子：
1.9
作者：
Dunson, DB;Chen, Z;Harry, J
通讯作者：
Harry, J
影响因子：
2.7
作者：
LIANG, KY;ZEGER, SL
通讯作者：
ZEGER, SL
影响因子：
6.3
作者：
REILLY, T
通讯作者：
REILLY, T