Generalized Multilevel Functional Regression.
Generalized Multilevel Functional Regression.
复制标题
DOI：
10.1198/jasa.2009.tm08564
复制
发表时间：
2009-12-01
影响因子：
3.7
通讯作者：
Di CZ
中科院分区：
文献类型：
--
作者：
Crainiceanu CM;Staicu AM;Di CZ
我们引入了广义多层功能线性模型（GMFLMs），这是一种新的回归模型统计框架，其中暴露具有多层功能结构。我们证明gmflm实际上是广义多层混合模型（glmm）。因此，gmflm可以使用混合效应推理机制进行分析，并可以在经过充分研究的统计框架内进行推广。我们提出并比较了两种推理方法：1)两阶段频域法；2)联合贝叶斯分析。我们的方法受到睡眠心脏健康研究（SHHS）的启发，并应用于最大的社区睡眠队列研究。然而，我们的方法是通用的，易于应用于广泛的新兴生物和医学数据集。本文的补充材料可在网上获得。
We introduce Generalized Multilevel Functional Linear Models (GMFLMs), a novel statistical framework for regression models where exposure has a multilevel functional structure. We show that GMFLMs are, in fact, generalized multilevel mixed models (GLMMs). Thus, GMFLMs can be analyzed using the mixed effects inferential machinery and can be generalized within a well researched statistical framework. We propose and compare two methods for inference: 1) a two-stage frequentist approach; and 2) a joint Bayesian analysis. Our methods are motivated by and applied to the Sleep Heart Health Study (SHHS), the largest community cohort study of sleep. However, our methods are general and easy to apply to a wide spectrum of emerging biological and medical data sets. Supplemental materials for this article are available online.
登录
查看更多内容
影响因子：
2.7
作者：
AKAIKE, H
通讯作者：
AKAIKE, H
DOI：
10.1198/106186007x208768
发表时间：
2007-06-01
影响因子：
2.4
作者：
Crainiceanu, Ciprian M.;Ruppert, David;Goodner, Billy
通讯作者：
Goodner, Billy
影响因子：
2.5
作者：
Luo, Xiaohui;Stefanski, Leonard A.;Boos, Dennis D.
通讯作者：
Boos, Dennis D.
影响因子：
4.5
作者：
Hall, Peter;Mueller, Hans-Georg;Wang, Jane-Ling
通讯作者：
Wang, Jane-Ling
DOI：
10.1111/j.1467-9868.2004.00438.x
发表时间：
2004-01-01
影响因子：
5.8
作者：
Crainiceanu, CM;Ruppert, D
通讯作者：
Ruppert, D