• 한국데이터정보과학회:학술대회논문집
• /
• 한국데이터정보과학회 2005년도 춘계학술대회
• /
• pp.200-201
• /
• 2005

• Journal of Periodontal and Implant Science
• /
• 제45권1호
• /
• pp.2-7
• /
• 2015

A fundamental problem in analyzing complex multilevel-structured periodontal data is the violation of independency among the observations, which is an assumption in traditional statistical models (e.g., analysis of variance and ordinary least squares regression). In many cases, aggregation (i.e., mean or sum scores) has been employed to overcome this problem. However, the aggregation approach still exhibits certain limitations, such as a loss of power and detailed information, no cross-level relationship analysis, and the potential for creating an ecological fallacy. In order to handle multilevel-structured data appropriately, mixed effects models have been introduced and employed in dental research using periodontal data. The use of mixed effects models might account for the potential bias due to the violation of the independency assumption as well as provide accurate estimates.

• Genomics & Informatics
• /
• 제20권3호
• /
• pp.34.1-34.11
• /
• 2022

Multilevel analysis is an appropriate and powerful tool for analyzing hierarchical structure data widely applied from public health to genomic data. In practice, however, we may lose the information on multiple nesting levels in the multilevel analysis since data may fail to capture all levels of hierarchy, or the top or intermediate levels of hierarchy are ignored in the analysis. In this study, we consider a multilevel linear mixed effect model (LMM) with single imputation that can involve all data hierarchy levels in the presence of missing top or intermediate-level clusters. We evaluate and compare the performance of a multilevel LMM with single imputation with other models ignoring the data hierarchy or missing intermediate-level clusters. To this end, we applied a multilevel LMM with single imputation and other models to hierarchically structured cohort data with some intermediate levels missing and to simulated data with various cluster sizes and missing rates of intermediate-level clusters. A thorough simulation study demonstrated that an LMM with single imputation estimates fixed coefficients and variance components of a multilevel model more accurately than other models ignoring data hierarchy or missing clusters in terms of mean squared error and coverage probability. In particular, when models ignoring data hierarchy or missing clusters were applied, the variance components of random effects were overestimated. We observed similar results from the analysis of hierarchically structured cohort data.

• 응용통계연구
• /
• 제21권6호
• /
• pp.923-932
• /
• 2008

우리는 자명하지 않은 상관 구조를 갖는 복잡한 다변량 자료에 직면하는 경우가 있다. 예를 들어 군집 구조 자료의 경우 생략된 변수들이 한 개 이상의 관측값에 동시적으로 영향을 줄 수 있기 때문에 결과들 간에 상관 구조를 모형화하는 것은 추정량의 효율성과 정확한 표준오차의 계산 등의 타당한 추론을 위해서 중요하다 관측값들 간에 종속성을 두는 표준 방법으로는 관측 값들이 관찰되지 않은 어떤 변수를 공유한다고 가정하는 것인데, 이러한 가정에 대해 본 연구에서는 다수준 모형을 고려한 상관된 임의효과 모형을 적합시켰다. 추정은 준모수적 접근방법으로 임의계수 분포에 대한 모수적 가정 없이 유한혼합 EM-알고리즘을 통하여 수행되었다.

• 한국노년학
• /
• 제41권3호
• /
• pp.397-420
• /
• 2021

본 논문은 전향적 설계를 통하여 중장년 및 노년기 성인 자원봉사와 고혈압 발생, 고혈압증세 호전, 일상생활활동 어려움발생, 약복용 및 치료 등과의 관계를 규명하고자 한다. 이를 위해 2008년~2018년까지 10년에 걸쳐 수집된 종단 패널데이터를 사용했으며 분석 코호트 약 5,867명을 표본 추출하여 멀티레벨 혼합효과일반화선형 모델로 통계분석을 수행했다. 분석결과 자원봉사를 적어도 연 200시간 이상 한 사람은 안했을 때 보다 고혈압발생위험이 3.4배 낮았고, 연 50~99시간 한 사람은 안했을 때 보다 고혈압 증세호전이 더 크게 증가하였으며, 연 200시간 이상 자원봉사를 한 사람은 안했을 때 보다 활동어려움 발생확률이 7.7배 낮았으며, 그리고 연 50~99시간 자원봉사를 한 사람은 안했을 때 보다 약 복용 및 치료 발생 확률이 2.5배 낮은 것으로 나타났다. 이 결과는 중장년 및 노년기 성인의 자원봉사는 고혈압 및 관련 현상에 유익한 개선 효과가 있다는 것을 함의한다. 그리고 연구 한계점, 추후 연구방향, 실천함의를 논의했다.