• 응용통계연구
• /
• 제29권7호
• /
• pp.1155-1163
• /
• 2016

본 논문은 혼합효과의 선형모형에서 분산성분들의 추정방법으로 사영을 다루고 있다. 상수적합법에서 이용되는 제곱합에서의 감소(reductions in sums of squares) 대신에 사영을 이용하여 구하는 방법을 제시하고 있다. 단계별 방법에 의한 잔차모형으로부터 각 분산성분의 추정과 관련된 사영행렬을 구성하는 방법을 제공하고 있다. 사영행렬로 표현되는 이차형식의 기댓값을 이용하여 선형방정식계를 구성하고 적률법으로 분산성분을 추정하게 된다. 고정효과는 가중최소제곱법으로 추정되고 분산성분의 신뢰구간추정에 Satterthwaite의 근사과정으로 자유도를 계산하는 방법을 설명하고 있다.

• 응용통계연구
• /
• 제17권2호
• /
• pp.337-346
• /
• 2004

랜덤표본에 관한 이원분할표의 독립성검정에는 통상 피어슨의 카이제곱적합도검정과 우도비검정을 사용한다. 그러나 랜덤표본이 아닌 집락자료에 관한 분할표의 경우에는 이들 검정법은 잘못된 결과를 나타낸다. 이러한 경우에는 공변량의 고정효과 외에 집락에 따른 변량효과를 함께 포함하는 일반화선형혼합모형을 고려함으로써 집락간의 이질성과 집락내의 종속성을 반영할 수 있다. 본 연구에서는 집락자료의 분할표에 대한 일반화선형혼합모형을 소개하고 실례를 통하여 이들 모형의 적합에 대해 논의한다.

• Communications for Statistical Applications and Methods
• /
• 제25권2호
• /
• pp.173-184
• /
• 2018

In medical or public health research, it is common to encounter clustered or longitudinal count data that exhibit excess zeros. For example, health care utilization data often have a multi-modal distribution with excess zeroes as well as a multilevel structure where patients are nested within physicians and hospitals. To analyze this type of data, zero-inflated count models with mixed effects have been developed where a count response variable is assumed to be distributed as a mixture of a Poisson or negative binomial and a distribution with a point mass of zeros that include random effects. However, no study has considered a situation where data are also censored due to the finite nature of the observation period or follow-up. In this paper, we present a weighted version of zero-inflated Poisson model with random effects accounting for variable individual follow-up times. We suggested two different types of weight function. The performance of the proposed model is evaluated and compared to a standard zero-inflated mixed model through simulation studies. This approach is then applied to Medicaid data analysis.

• Communications for Statistical Applications and Methods
• /
• 제25권1호
• /
• pp.61-70
• /
• 2018

Modeling of the random effects covariance matrix in generalized linear mixed models (GLMMs) is an issue in analysis of longitudinal categorical data because the covariance matrix can be high-dimensional and its estimate must satisfy positive-definiteness. To satisfy these constraints, we consider the autoregressive and moving average Cholesky decomposition (ARMACD) to model the covariance matrix. The ARMACD creates a more flexible decomposition of the covariance matrix that provides generalized autoregressive parameters, generalized moving average parameters, and innovation variances. In this paper, we analyze longitudinal count data with overdispersion using GLMMs. We propose negative binomial loglinear mixed models to analyze longitudinal count data and we also present modeling of the random effects covariance matrix using the ARMACD. Epilepsy data are analyzed using our proposed model.

• Communications for Statistical Applications and Methods
• /
• 제22권6호
• /
• pp.625-637
• /
• 2015

We develop a Bayesian clustering procedure based on a Dirichlet process prior with cluster specific random effects. Gibbs sampling of a normal mixture of linear mixed regressions with a Dirichlet process was implemented to calculate posterior probabilities when the number of clusters was unknown. Our approach (unlike its counterparts) provides simultaneous partitioning and parameter estimation with the computation of the classification probabilities. A Monte Carlo study of curve estimation results showed that the model was useful for function estimation. We find that the proposed Dirichlet process mixture model with cluster specific random effects detects clusters sensitively by combining vague edges into different clusters. Examples are given to show how these models perform on real data.

• Communications for Statistical Applications and Methods
• /
• 제30권1호
• /
• pp.65-73
• /
• 2023

Contemporary biomedical data often involve an ill-posed problem owing to small sample size and large number of multi-collinear variables. Partial least squares (PLS) method could be a plausible alternative to an ill-conditioned ordinary least squares. However, in the case of a PLS model that includes a random-effect, how to deal with a random-effect or mixed effects remains a widely open question worth further investigation. In the present study, we propose a modified multivariate PLS method implementing mixed-effect model (PLSM). The advantage of PLSM is its versatility in handling serial longitudinal data or its ability for taking a randomeffect into account. We conduct simulations to investigate statistical properties of PLSM, and showcase its real clinical application to predict treatment outcome of esthetic surgical procedures of human faces. The proposed PLSM seemed to be particularly beneficial 1) when random-effect is conspicuous; 2) the number of predictors is relatively large compared to the sample size; 3) the multicollinearity is weak or moderate; and/or 4) the random error is considerable.

• KSTLE International Journal
• /
• 제3권1호
• /
• pp.7-11
• /
• 2002

The roughness effects are very important due to the presence of interacting asperities in mixed lubrication regime. An average Reynolds equation using flow factors is useful to determine the effects of surface roughness on mixed lubrication. In this study, the effect of kurtosis on flow factors is investigated using random rough surfaces generated numerically, The results show that flow factors are very sensitive to h/$\sigma$ according to the value of kurtosis in the partial lubrication regime.

• Asian-Australasian Journal of Animal Sciences
• /
• 제11권6호
• /
• pp.642-647
• /
• 1998

A Poisson error model as a generalized linear mixed model (GLMM) has been suggested for genetic analysis of counted observations. One of the assumptions in this model is the normality for random effects. Since this assumption is not always appropriate, a more flexible model is needed. For count traits, a Poisson hierarchical generalized linear model (HGLM) that does not require the normality for random effects was proposed. In this paper, a Poisson-Gamma HGLM was examined along with corresponding analytical methods. While a difficulty arises with Poisson GLMM in making inferences to the expected values of observations, it can be avoided with the Poisson-Gamma HGLM. A numerical example with simulated embryo yield data is presented.

• 응용통계연구
• /
• 제31권3호
• /
• pp.353-366
• /
• 2018

영상에 의한 인체의 운동 분석에서 발생하는 오차 중 가장 큰 부분을 차지하는 것은 피부와 같은 연조직의 골격에 대한 상대운동이며 이를 STA라 한다. 본 연구의 목적은 고관절 운동 중 대퇴에서 발생하는 STA를 선형혼합모형을 이용하여 예측하는 것이다. 모형에 포함되어 있는 고정효과는 고관절 회전중심과 마커의 위치로 대퇴 골격에 의한 운동의 효과, 임의효과는 고관절 중심으로부터 각 마커의 편차로 STA에 의한 효과로 각각 가정하였다. 이를 위하여 근골격계 질환 경력이 없는 다섯 명의 남성 피험자를 선정하여 대퇴에 아홉 개의 마커를 부착하여 고관절의 기능적 운동을 수행하였다. 동시에 고속카메라를 이용하여 마커의 3차원 좌표를 얻었다. 이 3차원 위치벡터에 선형혼합모형을 적용하여 임의효과를 예측하였다. 분석결과 다섯 명의 피험자는 비슷한 패턴을 보였다. 고관절에 가까운 지점의 STA가 큰 것으로 나타났으며 작은 크기를 보인 부분은 원위 대퇴의 전방이다.

• 응용통계연구
• /
• 제28권2호
• /
• pp.281-288
• /
• 2015

본 연구에서는 혼합모형의 추론을 위한 벌점-최대우도추정량의 빠른 계산절차를 제안하다. 제안된 절차는 벌점-최대우도추정량을 위한 추정방정식에서 헷시안 행렬을 화살촉형태를 지닌 희소행렬을 통하여 근사 시킴으로써 계산속도의 향상을 가져왔다. 두 가지 가상실험을 통하여 제안된 근사식을 사용함으로써 얻게되는 계산시간의 감소와 동시에 이를 위하여 지불하여야 하는 근사오차에 대하여 살펴보았다.