Capturing heterogeneity in repeated measures data by fusion penalty.
Capturing heterogeneity in repeated measures data by fusion penalty.
复制标题
通过融合惩罚捕获重复测量数据中的异质性。
DOI：
10.1002/sim.8878
复制
发表时间：
2021-04-15
影响因子：
2
通讯作者：
Liu L
中科院分区：
文献类型：
--
作者：
Liu L;Gordon M;Miller JP;Kass M;Lin L;Ma S;Liu L
在本文中，我们感兴趣的是捕捉集群或纵向数据的异质性。传统上，这种异质性通过固定效应或随机效应来建模。在固定效应模型中，异质性的自由度等于聚类/受试者的数量减1，这可能导致效率降低。在随机效应模型中，不同聚类/受试者之间的异质性描述为，例如，具有1个参数的随机截距（对于随机截距的方差），这可能导致过度简化和偏倚（对于受试者特异性效应的估计值）。我们的“融合效应”模型介于这两种方法之间：我们假设存在未知数量的不同异质性水平，并使用融合惩罚方法进行估计和推断。我们评估和比较我们的方法的性能固定和随机效应模型的模拟研究。我们将我们的方法应用于高眼压治疗研究（OHTS），以捕获不同受试者的左右眼原发性开角型青光眼进展率的异质性。
In this paper we are interested in capturing heterogeneity in clustered or longitudinal data. Traditionally such heterogeneity is modeled by either fixed effects or random effects. In fixed effects models, the degree of freedom for the heterogeneity equals the number of clusters/subjects minus 1, which could result in less efficiency. In random effects models, the heterogeneity across different clusters/subjects is described by e.g., a random intercept with 1 parameter (for the variance of the random intercept), which could lead to oversimplification and biases (for the estimates of subject-specific effects). Our “fused effects” model stands in between these two approaches: we assume that there are unknown number of distinct levels of heterogeneity, and use the fusion penalty approach for estimation and inference. We evaluate and compare the performance of our method to the fixed and random effects models by simulation studies. We apply our method to the Ocular Hypertension Treatment Study (OHTS) to capture the heterogeneity in the progression rate of primary open-angle glaucoma of left and right eyes of different subjects.
登录
查看更多内容
影响因子：
0.5
作者：
Wang, Xin;Zhu, Zhengyuan
通讯作者：
Zhu, Zhengyuan
影响因子：
2.7
作者：
Wang, Hansheng;Li, Runze;Tsai, Chih-Ling
通讯作者：
Tsai, Chih-Ling
影响因子：
4.5
作者：
Zhang, Cun-Hui
通讯作者：
Zhang, Cun-Hui
影响因子：
3.7
作者：
RAND, WM
通讯作者：
RAND, WM
DOI：
10.1111/rssc.12012
发表时间：
2013-11
期刊：
Journal of the Royal Statistical Society. Series C, Applied statistics
影响因子：
--
作者：
Zhang Z;Wang C;Nie L;Soon G
通讯作者：
Soon G