A linear exponent AR(1) family of correlation structures.
A linear exponent AR(1) family of correlation structures.
复制标题
DOI：
10.1002/sim.3928
复制
发表时间：
2010-07-30
影响因子：
2
通讯作者：
Styner, Martin A.
中科院分区：
文献类型：
--
作者：
Simpson, Sean L.;Edwards, Lloyd J.;Muller, Keith E.;Sen, Pranab K.;Styner, Martin A.
关键词：
在重复测量设置中，对数据的相关模式进行建模对于正确的分析非常重要。准确的推断需要正确选择相关模型。估计过程的最佳效率要求相关结构的简约参数化，具有足够的灵敏度来检测可能发生的相关模式的范围。许多重复测量设置具有在时间或空间上呈指数下降的受试者内相关性。在可用于此上下文的各种相关模式中，连续时间一阶自回归相关结构（表示为AR（1））的使用率最高。尽管AR（1）结构被广泛使用，但它通常不能很好地衡量受试者内的相关性，这些相关性的衰减速度比AR（1）模型所要求的要慢或快。为了解决这一不足，我们提出了一个两参数的推广的连续时间AR（1）模型，称为线性指数自回归（LEAR）相关结构，它可以适应更慢和更快的衰减模式。LEAR家族的特殊情况包括AR（1），复合对称和一阶移动平均相关结构。优秀的分析，数值和统计特性有助于使LEAR结构的重复测量数据的简约相关模型套件的一个有价值的补充。有关新生儿神经发育的医学成像数据和有关饮食和高血压的纵向数据[DASH（阻止高血压的饮食方法）研究]都例证了LEAR相关结构的实用性。
In repeated measures settings, modeling the correlation pattern of the data can be immensely important for proper analyses. Accurate inference requires proper choice of the correlation model. Optimal efficiency of the estimation procedure demands a parsimonious parameterization of the correlation structure, with sufficient sensitivity to detect the range of correlation patterns that may occur. Many repeated measures settings have within-subject correlation decreasing exponentially in time or space. Among the variety of correlation patterns available for this context, the continuous-time first-order autoregressive correlation structure, denoted AR(1), sees the most utilization. Despite its wide use, the AR(1) structure often poorly gauges within-subject correlations that decay at a slower or faster rate than required by the AR(1) model. To address this deficiency we propose a two-parameter generalization of the continuous-time AR(1) model, termed the linear exponent autoregressive (LEAR) correlation structure, which accommodates much slower and much faster decay patterns. Special cases of the LEAR family include the AR(1), compound symmetry, and first-order moving average correlation structures. Excellent analytic, numerical, and statistical properties help make the LEAR structure a valuable addition to the suite of parsimonious correlation models for repeated measures data. Both medical imaging data concerning neonate neurological development and longitudinal data concerning diet and hypertension [DASH (Dietary Approaches to Stop Hypertension) study] exemplify the utility of the LEAR correlation structure.
登录
查看更多内容
影响因子：
1.9
作者：
DIGGLE, PJ
通讯作者：
DIGGLE, PJ
影响因子：
6.8
作者：
AKAIKE, H
通讯作者：
AKAIKE, H
影响因子：
1.9
作者：
MUNOZ, A;CAREY, V;ROSNER, B
通讯作者：
ROSNER, B
影响因子：
2.7
作者：
Pourahmadi, M
通讯作者：
Pourahmadi, M
DOI：
10.1198/016214507000000095
发表时间：
2007-06-01
影响因子：
3.7
作者：
Fan, Jianqing;Huang, Tao;Li, Runze
通讯作者：
Li, Runze