Multilevel models for continuous outcomes
多层次模型(混合效应模型或分层线性模型)现在是分析社会、行为和医学科学中集群和纵向数据的标准方法。这篇综述文章的重点是连续响应(结果或因变量)的多水平线性回归模型。这些模型可以被视为传统线性回归模型的扩展,以解释数据中的聚类并从中学习。常见的聚类应用包括学校对学生成绩的影响,医院对病人健康的影响,以及邻里对受访者态度的影响。在所有这些例子中,多层次模型允许人们研究回归关系如何在集群之间变化,识别预测这种变化的集群特征,解开在不同分析层次上运行的社会过程,并进行集群特定的预测。常见的纵向应用包括研究个人身高和体重的生长曲线以及个人行为的发展轨迹。在这些例子中,多层次模型允许一个描述和解释增长率的变化,并同时探索预测内和个体间的变化。本文介绍并举例说明了这类功能强大的模型。我们首先集中在最常用的两个水平的随机截距和斜率模型。我们通过两个详细的例子来说明如何将这些模型应用于集群和纵向数据,并在观测和实验设置。然后,我们审查更灵活的三个层次,交叉分类,多个成员和多变量响应模型。最后,我们推荐一系列关于所有这些主题的进一步阅读。
2019-07-12 stat.ME
multilevLCA: An R Package for Single-Level and Multilevel Latent Class Analysis with Covariates
本文介绍 R 包 multilevLCA,支持含协变量的单水平与多水平潜类别分析,提供固定/随机效应、一步或两步估计、模型选择与可视化,并通过公民规范数据展示其功能。
2024-04-10 stat.CO stat.ME
Multiple imputation of missing covariate values in multilevel models with random slopes: A cautionary note
多重插补(MI)已成为处理缺失数据的主要方法之一,但方法学文献中的指导原则不容易转移到多水平研究中。对于包含随机斜率的模型,适当的MI可能很困难,特别是当协变量值部分缺失时。在本文中,我们讨论了MI在多水平随机系数模型中的应用、斜率变化带来的理论挑战以及标准MI软件当前的局限性。我们从三个模拟研究中的发现表明:(a)MI能够恢复大多数参数,但目前不适合完全捕获协变量值缺失时的斜率变化;(b)MI为大多数参数提供了合理的估计,即使在较小的样本中或当其假设不满足时;以及(c)当保持斜率方差特别重要时,列表式删除可以是值得考虑的替代方案。
2016-06-16 stat.ME
Multiple imputation for multilevel data with continuous and binary variables
INSERM(法国国家健康与医学研究院);MRC Biostatistics Unit, Cambridge Institute of Public Health(MRC生物统计学单元,剑桥公共卫生研究所);MRC Clinical Trials Unit at UCL(伦敦大学学院MRC临床试验单元);Department of Methodology and Statistics, School of Public Health and Primary Care, Maastricht University(马斯特里赫特大学公共卫生与初级保健学院方法与统计系);Julius Center for Health Sciences and Primary Care, University Medical Center Utrecht(乌得勒支大学医学中心朱利叶斯健康科学与初级保健中心);Cochrane Netherlands, University Medical Center Utrecht(Cochrane荷兰分部,乌得勒支大学医学中心);Department of Medical Statistics, London School of Hygiene & Tropical Medicine(伦敦卫生与热带医学院医学统计系);Department of Statistics, TNO Prevention and Health(TNO预防与健康部统计系)
本文比较了多级连续和二元数据的多重插补方法,指出大规模集群数据和异方差性插补方法对推断准确性的影响。
2017-11-27 stat.ME
Multilevel Longitudinal Analysis of Social Networks
随机行为者导向模型(SAOM)是一种广泛应用的建模框架,用于使用网络面板数据分析网络动态。它们已经扩展到解决多个网络以及网络和行为的共同进化。本文扩展了SAOM的多个网络面板的分析,通过一个随机系数的多层次模型,估计与贝叶斯方法。友谊和未成年人犯罪的动态相互依存关系的研究表明了这一点,代表了一种模式和两种模式的网络相结合,在中学一年级的81个学校班级的样本。
2022-02-01 stat.ME
Multiple imputation of incomplete multilevel data using Heckman selection models
缺失数据是医学研究中常见的问题,通常使用多重插补来解决。虽然传统的插补方法允许有效的统计推断时,数据随机缺失(MAR),其实施是有问题的,当缺失的存在取决于未观察到的变量,即数据是非随机缺失(MNAR)。不幸的是,这种MNAR情况在观察性研究、登记和其他真实世界数据来源中相当常见。虽然已经提出了几种插补方法来解决个别研究时,数据是MNAR,其应用程序和多层次结构的大型数据集的有效性仍然不清楚。因此,我们深入探讨了MNAR数据在分层数据中的后果,并提出了一种新的聚类数据集常见缺失模式的多级插补方法。该方法基于Heckman选择模型的原理,采用两阶段荟萃分析方法来插补可能是结局或预测因子的二元和连续变量,以及系统性或偶发性缺失。在模拟场景中评估了所提出的插补模型后,我们说明了它在横断面社区调查中的使用,以估计乌干达5个次区域2 - 10岁儿童疟疾寄生虫血症的患病率。
2023-01-12 stat.ME
Generalized Multilevel Functional Principal Component Analysis with Application to NHANES Active Inactive Patterns
本研究提出广义多水平函数主成分分析(GM-FPCA),用于分析NHANES腕戴加速度计数据中的分钟级活跃指标,识别个体内和个体间的变异模式,发现特定活动模式与死亡风险相关,并通过模拟验证其准确性和可扩展性。
2025-03-29 stat.AP stat.ME
Structure induced by a multiple membership transformation on the Conditional Autoregressive model
疾病分布图的目的是建立在地区一级汇总的数据模型。然而,在某些情况下(例如居住历史、全科医生集水区),当数据来自各种来源,不一定在同一空间尺度上时,可以通过使用多重隶属原则(MM)在区域水平上指定空间随机效应或协变量效应(Petrof等人,2020年; Gramatica等人,2021年)。条件自回归(CAR)空间随机效应的加权平均值嵌入了空间失调结果的空间信息,并估计两个框架(区域和成员资格)的相对风险。在本文中,我们调查的理论基础,这些应用程序的多重隶属原则的CAR先验,特别是在参数化,适当性和可识别性。我们进行了模拟,涉及不同数量的成员相比,一些地区和评估的影响,这对估计参数的兴趣。分析和模拟研究结果表明,在哪些条件下的参数是可识别的,使我们可以提供可操作的建议,从业者。最后,我们提出了多重成员模型的应用结果,以糖尿病患病率数据在伦敦南部,连同公共卫生考虑的战略意义
2022-12-21 stat.ME
Estimating Seroprevalence of SARS-CoV-2 in Ohio: A Bayesian Multilevel Poststratification Approach with Multiple Diagnostic Tests
针对俄亥俄州SARS-CoV-2血清阳性率调查中低应答率、少阳性病例和多测试质量差的问题,提出一种无需样本权重的贝叶斯多层次事后分层方法,同时处理测试不完善与选择性应答的不确定性。
2020-12-10 stat.AP stat.ME
Handling missing values in cost-effectiveness analyses that use data from cluster randomised trials
公共政策制定者使用成本效益分析(CEA)来决定提供哪些卫生和社会保健干预措施。尚未开发出在复杂环境中处理缺失数据的适当方法,例如使用来自整群随机试验(CRT)的数据的CEA。我们提出了一个多层次的多重插补(MI)的方法,识别时,缺失数据有一个层次结构,是兼容的双变量多层次模型用于报告成本效益。我们将多节段MI方法与单节段MI进行对比,并在CEA和CRT中进行完整的病例分析。本文强调了采用原则性方法处理复杂数据结构设置中的缺失值的重要性。
2012-06-26 stat.AP stat.ME
A Variational EM Method for Mixed Membership Models with Multivariate Rank Data: an Analysis of Public Policy Preferences
在这篇文章中,我们考虑从一个异质性的人口建模排名的反应。具体而言,我们分析了来自欧洲晴雨表34.1调查的数据,这些数据涉及对毒品、酒精和艾滋病的公共政策偏好。这种政策倾向可能在欧洲各国内部以及各国之间表现出巨大的差异,反映出各种各样的文化、政治派别、意识形态观点和共同做法。我们使用一个混合的成员资格模型来考虑多个子组不同的偏好,并允许每个人拥有部分成员资格在一个以上的子组。以前的方法拟合混合隶属度模型排名数据在一个单变量设置利用MCMC方法,不估计每个亚组的相对频率。本文提出了一种变分EM方法来拟合具有多元秩数据的混合隶属度模型。我们的方法允许快速近似推理,并明确估计的子群大小。分析欧洲晴雨表34.1的数据,我们发现可解释的亚组,一般同意“左与右”的政治意识形态分类。
2017-02-24 stat.AP stat.ME
Partial membership models for soft clustering of multivariate football player performance data
本研究针对标准混合模型硬聚类假设的局限,将贝叶斯部分隶属度模型用于足球运动员表现计数数据的软聚类,通过马尔可夫链蒙特卡洛方法推理,基于2022/2023赛季意甲数据识别球员多位置属性,为足球领域相关决策提供支持。
2025-02-14 stat.AP stat.ME
Longitudinal Mixed Membership trajectory models for disability survey data
我们开发了离散多变量纵向数据的分析方法,并将其应用于1982-2004年美国国家长期护理调查(NLTCS)中美国老年人口的功能残疾数据。我们的模型建立在一个混合成员框架,其中个人被允许在一组极端的配置文件上的多个成员资格,其特征是随时间变化的残疾发展轨迹。我们还开发了一个扩展,使我们能够纳入出生队列效应,以评估代际变化。应用这些方法,我们发现,大多数人遵循的轨迹,这意味着一个晚发性残疾,和年轻的队列往往发展残疾在生命的后期阶段相比,他们的长辈。
2015-03-04 stat.AP stat.ME
Bayesian multilevel multivariate logistic regression for superiority decision-making under observable treatment heterogeneity
针对多层、多因变量且存在治疗异质性的研究数据,提出贝叶斯多层多变量逻辑回归模型,可控制I类错误率、实现亚群信息共享,聚类较多时检验效能优于单层模型。
2023-08-11 stat.ME
Multilevel Metamodels: Enhancing Inference, Interpretability, and Generalizability in Monte Carlo Simulation Studies
Harvard University Graduate School of Education(哈佛大学教育学院)
本文提出多级元模型,用于提升蒙特卡洛模拟研究的推断、可解释性和泛化能力。
2025-04-09 math.ST stat.ME stat.TH
A Bayesian actor-oriented multilevel relational event model with hypothesis testing procedures
针对多个关系事件序列的建模与假设检验需求,本文提出贝叶斯面向行动者多层关系事件模型,并支持跨网络信息借用及共同、异质互动驱动因素检验。
2023-06-07 cs.SI stat.ME
A Copula-based Imputation Model for Missing Data of Mixed Type in Multilevel Data Sets
本文提出了一种基于Copula函数的多变量混合数据缺失值处理方法。基于\cite{hoff2007extending}的扩展秩似然和多项概率模型,我们的模型是一个潜变量模型,它能够捕捉不同类型的变量之间的关系,以及占聚类结构。我们通过吉布斯抽样方案近似参数和缺失值的后验分布来拟合模型。我们使用多重插补程序,以纳入数据分析中的缺失值的不确定性。我们提出的方法进行评估,通过模拟比较它与几个传统的方法处理缺失数据。我们还将我们的方法应用于急性卒中单元多学科干预的整群随机对照试验的数据集。我们的结论是,我们提出的基于copula的混合型变量的插补模型在一些感兴趣的模型中实现了相当好的插补精度和参数恢复,并且当聚类效应较强时,添加随机效应可以提高性能。
2017-02-27 stat.ME
Functional Mixed Membership Models
提出一种用于函数型数据的贝叶斯混合成员模型,利用多元 Karhunen-Loève 定理推导高斯过程的可扩展表示,在已知特征分配矩阵下建立条件后验一致性,提升了建模灵活性并应用于自闭症儿童脑电图研究。
2023-10-21 stat.ME
Multilevel network meta-regression for general likelihoods: synthesis of individual and aggregate data with applications to survival analysis
University of Bristol(布里斯托大学);University of York(约克大学)
本研究将多层网络Meta回归(ML-NMR)扩展至任意形式的个体层面似然,通过积分AgD协变量分布得到边际似然,解决了原方法无法应用于时间-事件结局的问题,验证了其精度表现并提供了开源实现。
2024-01-24 stat.ME
A global optimization algorithm for sparse mixed membership matrix factorization
混合隶属因子分解是分析样本内异质性数据集的一种常用方法。近年来,已经开发了几种算法用于混合隶属度矩阵分解,但它们只能保证从局部最优估计。在这里,我们推导出一个全局优化(GOP)算法,提供了一个保证$ε$ -全局最优的稀疏混合隶属度矩阵分解问题。我们在模拟数据上测试了该算法,发现该算法在随机初始化过程中始终保持全局最优,并有效地探索了多个模式。
2016-10-24 math.OC stat.ME stat.ML
Multilevel modelling of double-sampled clustered social networks with individual-level data on between-cluster ties
London School of Economics & Political Science(伦敦政治经济学院);Santa Fe Institute(圣塔菲研究所);Max Planck Institute for Evolutionary Anthropology(马克斯·普朗克人类进化研究所)
本文推广社会关系模型(SRM),结合双重抽样与多层次结构方程模型,用MCMC方法估计,推导跨集群网络,以尼加拉瓜农村社区社会支持网络数据验证。
2026-08-28 stat.ME
Grade of membership analysis for multi-layer ordinal categorical data
School of Economics and Finance, Chongqing University of Technology(重庆理工大学经济与金融学院)
本文提出多层GoM模型,用于分析多层有序分类数据,通过GoM-DSoG方法估计混合隶属度,并验证了其在确定潜在类别数量上的有效性。
2026-02-25 stat.ME
Multilevel mixtures of latent trait analyzers for clustering multi-layer bipartite networks
该研究扩展潜在特质分析器混合模型至多层二部网络,结合多水平方法实现发送节点聚类,并通过模拟和欧洲社会调查数据验证了模型在参数与聚类恢复上的有效性。
2024-03-18 stat.ME