1-混合效應模型

?????混合效應模型(Mixed-effects model)最早應用于教育領域,研究不同學生成績時足淆,同一個班級的學生成績是不獨立的巢块,呈現(xiàn)一定的相關性。具有層級結(jié)構(gòu)(hierarchy)巧号,在分析的時候族奢,需要考慮該相關性。不同的層級為不同的水平丹鸿,也叫做多水平模型(multilevel model)歹鱼、隨機系數(shù)模型(random coefficient model)。
?????混合效應模型可以用于分析連續(xù)性變量(linear mixed model)卜高,也可以用于分類變量(logistic mixed model)。這里主要討論線性混合效應模型南片。

水平2???????水平1

班級1: ?????學生11掺涛,學生12,...疼进,
班級2: ?????學生21薪缆,學生22,...伞广,
班級3: ?????學生31拣帽,學生32,...嚼锄,
... ...
班級J:?????學生J1减拭,學生J2,...

方差分析或者線性回歸的基本假設:正態(tài)性区丑、獨立性拧粪、方差齊性。多水平數(shù)據(jù)不滿足獨立性沧侥。

對于分類變量可霎,模型的校正意味著對不同的分類對應不同的截距。

??????e.g. ??????y=β_0+β_1*age+β_2*gender+ε宴杀,假設男性對應gender=0癣朗,女性gender=1,則
??????Gender=0:y=β_0+β_1*age+ε
??????Gender=1:y=β_0+β_2+β_1*age+ε旺罢。
??????即不同性別為截距不同而斜率相同的平行回歸線旷余。

??????當上述數(shù)據(jù)當采用常規(guī)的線性模型分析時绢记,班級作為需要校正的分類變量,將轉(zhuǎn)換為虛擬變量放入模型荣暮,J個班級對應J-1個虛擬變量庭惜,相應需要估計J-1個系數(shù),50個班級則需要估計49個系數(shù)穗酥,模型的效率低护赊,且班級只是需要校正的因素,而不是真正關心的結(jié)局變量砾跃】考慮采用隨機效應模型,將班級作為隨機變量放入模型抽高,此時不需要估計各個班級的具體均值判耕,而僅估計班級的方差成分。

??????可以通過-2Log 似然比統(tǒng)計量翘骂,對比加了隨機效應與不加隨機效應的似然比檢驗(自由度為兩個模型變量的差值)是否有意義來判斷是否需要放入隨機效應壁熄,也可以用于其他嵌套模型的對比。

- 模型的分類
  • 隨機效應模型(random-effects model):僅包含隨機效應
  • 固定效應模型(fixed-effects model):僅包含固定效應
  • 混合效應模型(mixed model):同時包含固定效應和隨機效應
- 混合效應模型
  • 隨機截距模型:僅考慮不同水平截距不同碳竟,但所有水平的斜率相同草丧。即不同水平為截距不同的平行線。
  • 隨機系數(shù)模型:不同水平的截距不同莹桅,且不同水平的斜率不同昌执。即不同水平為截距不同且不平行的回歸線。
- 模型的假設

線性混合效應模型(linear mixed model)是傳統(tǒng)線性模型的拓展诈泼,線性模型的大部分假設也適用于線性混合效應模型懂拾。但混合效應模型進一步考慮了變量之間的相關性。


- 固定效應與隨機效應
  • ?????? 固定效應(Fixed effect): 僅研究某幾個固定的處理或組別铐达,不考慮將其結(jié)果推廣到更大的總體岖赋。變量不是從更大樣本中抽取的變量,如研究特定某幾個藥之間的區(qū)別瓮孙,并不需要通過研究結(jié)果推廣到其他藥物贾节。

?????固定效應模型表示為y_{ij}=μ_j+e_{ij}y_{ij}=μ+a_j+e_{ij} (不存在協(xié)變量的情況下)
?????μ_j為各個組的均值,這里不存在變異衷畦,變異來源僅為e_{ij}
?????var(y_{ij})=var(μ_j+e_{ij})=var(e_{ij})=δ_e^2栗涂。
?????此時的var(μ_j)=var(μ+α_j)=0
?????對應固定效應模型

  • ?????? 隨機效應(Random effect):當變量為更大的總體中抽取的子集,此時關心的不再是某幾個組具體組之間的差異祈争,而考慮其所代表的總體的差異斤程。

?????H_0:δ_1^2=δ_2^2=...=δ_J^2, 原假設不再針對均值,而在于檢驗各個組之間的方差有無差異忿墅。
?????模型表示為 y_{ij}=μ+a_j+e_{ij}扁藕,此時變異來源為α_j,e_{ij}
?????var(y_{ij})=var(μ+a_j+e_{ij})=var(a_j+e_{ij})=δ_α^2+δ_e^2疚脐。α_je_{ij}相互獨立亿柑。
?????對應隨機效應模型

????????隨機效應的一個特性為可交換性(exchangeability),即這些效應分類是否可以被替換棍弄。如研究某藥物時望薄,受試者可以為總體中的這一個子集,但也可以用該總體的其他子集進行研究呼畸,或者研究不同地區(qū)醫(yī)院滿意度時痕支,可以抽取醫(yī)院A、B蛮原,也可以抽取醫(yī)院C卧须、D,醫(yī)院作為隨機效應儒陨,具有可交換性花嘶。而研究某幾種藥物時,藥物組別無法用其他組別進行替代蹦漠。


  • 組內(nèi)相關系數(shù)(intra-class correlation察绷,ICC)

?????δ_α^2 為 組間變異度(Within group variance),由不同水平(e.g. 醫(yī)院津辩、中心、社區(qū))導致的變異
?????δ_e^2 為 組內(nèi)變異度(Between group variance)容劳,由低水平不同個體本身的差異造成的變異

?????不同變異對應兩個不同的水平的隨機誤差喘沿。低水平的測量值具有一定的相關性,通過組內(nèi)相關系數(shù)(intra-class correlation竭贩,ICC)ρ衡量蚜印。
??????????????????????????????ρ=\frac{δ_a^2}{δ_a^2+δ_e^2}


  • 與其他分析方法的對比

對于嵌套的多水平數(shù)據(jù),可以的方法包括

  1. 采用常規(guī)的方差分析或回歸模型(disaggregation analysis)留量,忽略了數(shù)據(jù)間的相關性
  2. 對各個高水平求均值之后進行分析( aggregation analysis)窄赋,未考慮水平內(nèi)的變異。
  3. 采用多水平模型

文獻中關于幾種不同模型的結(jié)果對比(兩水平數(shù)據(jù)楼熄,自變量為組別):

image.png

混合效應模型的標準誤高于忽略數(shù)據(jù)相關性的方差分析方法忆绰。當數(shù)據(jù)被視為互相獨立時,每個觀測能提供100%的信息可岂,但實際上同一個水平中的不同觀測間數(shù)據(jù)具有相關性错敢,相關性越高能提供的信息越少(低于100%),混合效應模型標準誤增加(需要加上數(shù)據(jù)之間的協(xié)方差)缕粹。由此可見稚茅,針對這類數(shù)據(jù)如果采用常規(guī)的分析方法纸淮,假陽性增加。

聚類分析因為樣本量的減少(一個水平視為一個樣本求均值后進行分析)亚享,標準誤增加

Blanced結(jié)構(gòu)的數(shù)據(jù)咽块,截距效應估計相同,但標準誤有差異欺税。Unbalanced結(jié)構(gòu)侈沪,均有差異


  • 參考:

醫(yī)學和公共衛(wèi)生研究常用多水平統(tǒng)計模型(李曉松)
Applied Mixed Model Analysis A Practical Guide (Jos W. R. Twisk)

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市魄衅,隨后出現(xiàn)的幾起案子峭竣,更是在濱河造成了極大的恐慌,老刑警劉巖晃虫,帶你破解...
    沈念sama閱讀 218,941評論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件皆撩,死亡現(xiàn)場離奇詭異,居然都是意外死亡哲银,警方通過查閱死者的電腦和手機扛吞,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,397評論 3 395
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來荆责,“玉大人滥比,你說我怎么就攤上這事∽鲈海” “怎么了盲泛?”我有些...
    開封第一講書人閱讀 165,345評論 0 356
  • 文/不壞的土叔 我叫張陵,是天一觀的道長键耕。 經(jīng)常有香客問我寺滚,道長,這世上最難降的妖魔是什么屈雄? 我笑而不...
    開封第一講書人閱讀 58,851評論 1 295
  • 正文 為了忘掉前任村视,我火速辦了婚禮,結(jié)果婚禮上酒奶,老公的妹妹穿的比我還像新娘蚁孔。我一直安慰自己,他們只是感情好惋嚎,可當我...
    茶點故事閱讀 67,868評論 6 392
  • 文/花漫 我一把揭開白布杠氢。 她就那樣靜靜地躺著,像睡著了一般另伍。 火紅的嫁衣襯著肌膚如雪修然。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,688評論 1 305
  • 那天,我揣著相機與錄音愕宋,去河邊找鬼玻靡。 笑死,一個胖子當著我的面吹牛中贝,可吹牛的內(nèi)容都是我干的囤捻。 我是一名探鬼主播,決...
    沈念sama閱讀 40,414評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼邻寿,長吁一口氣:“原來是場噩夢啊……” “哼蝎土!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起绣否,我...
    開封第一講書人閱讀 39,319評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎蒜撮,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體段磨,經(jīng)...
    沈念sama閱讀 45,775評論 1 315
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,945評論 3 336
  • 正文 我和宋清朗相戀三年苹支,在試婚紗的時候發(fā)現(xiàn)自己被綠了砾隅。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 40,096評論 1 350
  • 序言:一個原本活蹦亂跳的男人離奇死亡晴埂,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出儒洛,到底是詐尸還是另有隱情,我是刑警寧澤特姐,帶...
    沈念sama閱讀 35,789評論 5 346
  • 正文 年R本政府宣布,位于F島的核電站黍氮,受9級特大地震影響唐含,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜捷枯,卻給世界環(huán)境...
    茶點故事閱讀 41,437評論 3 331
  • 文/蒙蒙 一专执、第九天 我趴在偏房一處隱蔽的房頂上張望淮捆。 院中可真熱鬧,春花似錦攀痊、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,993評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽棘街。三九已至,卻和暖如春遭殉,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背险污。 一陣腳步聲響...
    開封第一講書人閱讀 33,107評論 1 271
  • 我被黑心中介騙來泰國打工罗心, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留里伯,地道東北人渤闷。 一個月前我還...
    沈念sama閱讀 48,308評論 3 372
  • 正文 我出身青樓,卻偏偏與公主長得像飒箭,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子弦蹂,可洞房花燭夜當晚...
    茶點故事閱讀 45,037評論 2 355

推薦閱讀更多精彩內(nèi)容