Journals / İstatistik Araştırma Dergisi / 2013 / Cilt: 10 - Sayı: 3
Implementation of Regression Models for Longitudinal Count Data Through SAS
- Journal
- İstatistik Araştırma Dergisi
- Pages
- 49–63
- DOI
- —
Abstract
In this study, we firstly consider the marginal model and generalized linear mixed model classes for longitudinal count data and review the Log-Log-Gamma marginalized multilevel model, which combines the features of marginal models and generalized linear mixed models. Due to the special features of these models, implementation of them requires more special attention. As a consequence, this leads us to use SAS GENMOD procedure for the marginal model, SAS GLIMMIX procedure for the GLMM, and SAS NLMIXED procedure for the Log-Log-Gamma marginalized multilevel model. Since the latter model requires gamma distributed random effects, two different techniques, namely the probability integral transformation technique and likelihood reformulation technique , which are originally used for fitting Gamma Frailty models, are modified and adapted to fit Log-Log- Gamma marginalized multilevel model within the framework of Proc NLMIXED. Finally, we conclude the study with the discussion of the results obtained from the implementation of the models through popular epileptic seizures data.
Özet
Bu çalışmada, öncelikle, uzunlamasına kesikli veri için marjinal model ve genelleştirilmiş lineer karma model sınıflarını ele alacağız ve sonra marjinal ve genelleştirilmiş lineer karma modellerinin özelliklerini birleştiren, Log-Log-Gamma marjinalleştirilmiş çok seviyeli modellerini yeniden gözden geçireceğiz. Bu modellerin bilgisayar ortamına aktarılması onların sahip olduğu birtakım özelliklerden dolayı, dikkat gerektirmektedir. Bu nedenden dolayı, bu durum marjinal modeller için SAS GENMOD, GLMM için SAS GLIMMIX ve Log-Log-Gamma marjinalleştirilmiş çok seviyeli modelleri için de SAS NLMIXED prosedürünü kullanmamıza öncülük etmektedir. Son model, gamma dağılımlı rassal etkiler içerdiğinden, ilk olarak Gamma Frailty modelleri için kullanılmış olan iki farklı yöntem, isim vermek gerekirse, olasılık integral dönüşümü ve olabilirlik yeniden formülasyonu yöntemleri değiştirilerek, Log-Log-Gamma marjinalleştirilmiş çok seviyeli modelleri için PROC NLMIXED prosedürü çerçevesinde uyarlanmıştır. Son olarak, çalışmamızı bu modellerin popüler epilepsi nöbet sayısı verisine uygulanmasından elde edilen sonuçları tartışarak bitirmekteyiz.