0

我正在使用 PROC GLIMMIX 分析有关特定性事件的重复测量数据。原始数据来自对约 400 人的每周日记研究。在每周他们报告他们最近的性接触的行为。我们还有关于他们人口统计的基线数据。收集了12周的观察，完成率很高。

我想创建一个混合效果模型，但我不确定这在 SAS 中究竟是如何完成的。我想测试特定事件因素的影响以及一些个人水平的人口统计数据，并希望获得每个感兴趣因素的优势比。结果是事件期间是否使用了药物，解释因素将是年龄、性别等以及事件的特征（即伴侣的艾滋病毒状况），伴侣是否是常规性伴侣， ETC..

我正在使用的代码遵循以下模式：

PROC GLIMMIX DATA=work.dataset oddsratio; CLASS VISIT_NUMBER PARTICIPANT_ID BINARY_EVENTLEVEL_OUTCOME BINARY_EVENTLEVEL_EXPLANATORY_FACTOR CATEGORICAL_PERSONLEVEL_EXPLANATORY_FACTOR; MODEL BINARY_EVENTLEVEL_OUTCOME = BINARY_EVENTLEVEL_EXPLANATORY CATEGORICAL_PERSONLEVEL_EXPLANATORY_FACTOR /DIST=binary link=logit CL S ddfm=kr; RANDOM ?????; RUN;

  • ?????的选项1：残差/主题=PARTICIPANT_ID
  • ?????的选项2：拦截/主题=PARTICIPANT_ID
  • ????? 的选项 3：VISIT_NUM / subject=PARTICIPANT_ID 剩余类型=ar(1) INTERCEPT / subject=VISIT_NUM(PARTICIPANT_ID)
  • ?????的选项4：其他？

我也不清楚我是否应该在我的模型语句中使用 ddfm=kr 或在我的 proc 语句中使用 method=laplace - 两者都已在其他地方推荐用于这种重复测量分析。

我遇到了几个潜在的建模选项，这些选项通常会给出类似的结果，但选项 1 给出了事件级别的统计显着结果，而其他选项给出了不显着的结果。包含 ddfm=kr 使得感兴趣的结果更加显着。method=laplace 不允许选项 1。

4

1 回答 1

0

我可能不会回答您的问题，但可能能够提供几个方向：

从最简单的部分开始，您的MODEL陈述对我来说是正确的，因为您想测试事件级别的因素和个人级别的人口统计数据，因此它们被视为固定效应。

现在，就随机效应而言：

  • 您为选项 (1) 和 (2)提出的RANDOM陈述： (1) 或 (2) 分别对随机效应的两个不同部分进行建模：R 侧和G 侧。 如果您已经熟悉，您可能需要注意，您使用in的选项 (1)等同于使用声明 in告诉您对 重复测量，这显然是您的情况（参考：“比较 GLIMMIX 和混合程序”）
    RANDOM _residual_ / subject=PARTICIPANT_ID;

    RANDOM intercept / subject=PARTICIPANT_ID;

    PROC MIXEDRANDOM _residual_PROC GLIMMIXREPEATEDPROC MIXEDPARTICIPANT_ID
  • 至于选项 (3)：
    RANDOM VISIT_NUM / subject=PARTICIPANT_ID residual type=ar(1) INTERCEPT / subject=VISIT_NUM(PARTICIPANT_ID);
    在这里，您将重复测量 ( ) 的时间分量建模visit_num为随机效应，当您认为在每个测量时间 (即在每个事件中）。乍一看，我认为这与您的情况无关，因为您已经通过固定效应考虑了这一点……但当然，我看不到您的数据可能是错误的。

到这里为止是我目前可以贡献的。

为了让您更好地理解，我建议您：

  1. 阅读文档概述PROC GLIMMIX，特别是数学模型规范和其中的所有 3 个部分：
    The Basic Model
    G-Side and R-Side Random Effects and Covariance Structures
    Relationship with Generalized Linear Models
  2. 如果您仍然不确定，请在community.sas.com上提出您的问题，这可能会为您提供更好的帮助。

高温高压

于 2019-04-16T03:23:45.200 回答