Mixed Effects Models for Complex Data

>><<Sebbene i modelli standard a effetti misti siano utili in una serie di studi, altri approcci devono spesso essere utilizzati in correlazione con essi quando si studiano dati complessi o incompleti. Mixed Effects Models for Complex Data discute i modelli a effetti misti comunemente usati e presenta approcci appropriati per affrontare le interruzioni, i dati mancanti, gli errori di misurazione, la censura e i valori anomali. Per ogni classe di modello a effetti misti, l'autore esamina la classe corrispondente di modello di regressione per i dati trasversali. Una panoramica di modelli e metodi generali insieme a esempi motivanti Dopo aver presentato esempi di dati reali e delineato approcci generali all'analisi di dati longitudinali/raggruppati e dati incompleti, il libro introduce modelli lineari a effetti misti (LME), modelli lineari misti generalizzati (GLMM), modelli a effetti misti non lineari (NLME) e modelli semiparametrici e non parametrici a effetti misti. Include anche approcci generali per l'analisi di dati complessi con valori mancanti, errori di misurazione, censura e valori anomali. Copertura autonoma di argomenti specificiI capitoli successivi approfondiscono i problemi di dati mancanti, gli errori di misurazione delle covariate e le risposte censurate nei modelli a effetti misti. Concentrandosi sui dati incompleti, il libro copre anche i modelli di sopravvivenza e fragilità, i modelli congiunti di sopravvivenza e i dati longitudinali, i metodi robusti per i modelli a effetti misti, i modelli di equazioni di stima generalizzate marginali (GEE) per i dati longitudinali o raggruppati e i metodi bayesiani per i modelli a effetti misti. Materiale di baseNell'appendice, l'autore fornisce informazioni di base come la teoria della verosimiglianza, il campionatore di Gibbs, il rifiuto e l'importanza, i metodi di campionamento, i metodi di integrazione numerica, i metodi di ottimizzazione, il bootstrap e l'algebra matriciale. L'incapacità di affrontare correttamente i dati mancanti, gli errori di misurazione e altri problemi nelle analisi statistiche possono portare . Lingua: Inglese