Tôi là một nhà dịch tễ học cố gắng tìm hiểu GEE để phân tích chính xác một nghiên cứu đoàn hệ (sử dụng hồi quy Poisson với một liên kết nhật ký, để ước tính Rủi ro tương đối). Tôi có một vài câu hỏi về "mối tương quan làm việc" mà tôi muốn ai đó hiểu biết hơn để làm rõ:
(1) Nếu tôi có các phép đo lặp lại trong cùng một cá nhân, thường có hợp lý nhất khi giả định một cấu trúc có thể trao đổi không? (Hoặc tự phát nếu các phép đo cho thấy một xu hướng)? Thế còn sự độc lập - có trường hợp nào người ta có thể đảm nhận sự độc lập cho các phép đo trong cùng một cá nhân không?
(2) Có cách nào (đơn giản hợp lý) để đánh giá cấu trúc phù hợp bằng cách kiểm tra dữ liệu không?
(3) Tôi nhận thấy rằng, khi chọn cấu trúc độc lập, tôi nhận được các ước tính điểm giống nhau (nhưng sai số tiêu chuẩn thấp hơn) như khi chạy hồi quy Poisson đơn giản (sử dụng R, hàm glm()
và geeglm()
từ gói geepack
). Tại sao chuyện này đang xảy ra? Tôi hiểu rằng với GEE, bạn ước tính mô hình trung bình dân số (trái ngược với cụ thể theo chủ đề), do đó bạn chỉ nên lấy ước tính điểm giống nhau trong trường hợp hồi quy tuyến tính.
(4) Nếu đoàn hệ của tôi ở nhiều địa điểm (nhưng chỉ có một phép đo cho mỗi cá nhân), tôi nên chọn một sự độc lập hoặc tương quan làm việc có thể trao đổi, và tại sao? Ý tôi là, các cá nhân trong mỗi trang web vẫn độc lập với nhau, phải không ?? Do đó, đối với một mô hình cụ thể theo chủ đề, ví dụ, tôi sẽ chỉ định trang web là một hiệu ứng ngẫu nhiên. Tuy nhiên, với GEE, tính độc lập và có thể trao đổi đưa ra các ước tính khác nhau và tôi không chắc cái nào tốt hơn về các giả định cơ bản.
(5) GEE có thể xử lý phân cụm phân cấp 2 cấp, tức là một nhóm đa trang web với các biện pháp lặp lại cho mỗi cá nhân không? Nếu có, tôi nên chỉ định biến phân cụm là geeglm()
gì và tương quan làm việc là gì nếu giả sử "độc lập" cho cấp đầu tiên (trang web) và "có thể trao đổi" hoặc "tự động" cho cấp thứ hai (cá nhân)?
Tôi hiểu đây là một vài câu hỏi và một số trong số chúng có thể khá cơ bản, nhưng vẫn rất khó đối với tôi (và có thể những người mới khác?) Để nắm bắt. Vì vậy, bất kỳ trợ giúp đều được đánh giá rất cao và chân thành, và để thể hiện điều này tôi đã bắt đầu một tiền thưởng.