The Korean Journal of Applied Statistics (응용통계연구)

The Korean Statistical Society (한국통계학회)
권호 표지
DOI QR코드

DOI QR Code

A Generalized Marginal Logit Model for Repeated Polytomous Response Data

반복측정의 다가 반응자료에 대한 일반화된 주변 로짓모형

  • Published : 2008.08.31
Download PDF
⟨ Previous Next ⟩

Abstract

This paper discusses how to construct a generalized marginal logit model for analyzing repeated polytomous response data when some factors are applied to larger experimental units as treatments and time to a smaller experimental unit as a repeated measures factor. So, two different experimental sizes are considered. Weighted least squares(WLS) methods are used for estimating fixed effects in the suggested model.

본 논문은 개체의 특성으로 다가의 명목형 반응변수가 반복측정 요인인 시간요인에 의해 주기적으로 반복측정 되었을 때, 자료를 분석하기 위한 모형으로 일반화된 주변 로짓모형을 논의하고 있다. 다가의 반응변수에 영향을 미치는 공변량중 일부가 처치로써 상대적으로 큰 크기의 실험단위에 배정되고 반복측정 요인인 시간요인의 수준들이 또한 처치요인으로 비확률화에 의해 상대적으로 작은 크기의 실험단위에 배정될 때 이를 고려한 모형구축과정과 예상되는 공분산 구조의 가정하에서 모수를 추정하기 위한 방법으로 가중최소제곱 방법을 이용할 수 있음을 제시하고 있다.

Keywords

References

  1. 최재성 (2004). A mixed model for ordered response categories, <한국데이터정보과학회지>, 15, 339-345
  2. Agresti, A. (1990). Categorical Data Analysis, John Wiley & Sons, New York
  3. Hosmer, D. W. and Lemeshow, S. (2000). Applied Logistic Regression, ( 2nd edition ), John Wiley & Sons, New York
  4. Koch, G. G. and Reinfurt, D. W. (1971). The analysis of categorical data from mixed models, Biometrics, 27, 157-173 https://doi.org/10.2307/2528934
  5. Koch, G. G., Landis, J. R., Freeman, J. L., Freeman, D. H. and Lehnen, R. G. (1977). A general methodology for the analysis of experiments with repeated measurement of categorical data, Biometrics, 33, 133-158 https://doi.org/10.2307/2529309
  6. Liang, K. Y. and Zeger, S. L. (1986). Longitudinal data analysis using generalized linear models, Biometrika, 73, 13-22 https://doi.org/10.1093/biomet/73.1.13
  7. Mcfadden, D. (1974). Conditional logit analysis of qualitative choice behavior, pp. 105-142, In Frontiers in Econometrics, Editted by P. Zarembka, Academic Press, New York
  8. McCullagh, P. and Nelder, J. A. (1989). Generalized Linear Models, (2nd edition), John Wiley & Sons, New York
  9. Milliken, A. G. and Johnson, E. D. (1984). Analysis of Messy Data, Van Nostrand Reinhold, New York