...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of applied statistics >A multiple imputation approach to nonlinear mixed-effects models with covariate measurement errors and missing values
【24h】

A multiple imputation approach to nonlinear mixed-effects models with covariate measurement errors and missing values

机译：具有协变量测量误差和缺失值的非线性混合效应模型的多重插补方法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In longitudinal studies, nonlinear mixed-effects models have been widely applied to describe the intra- and the inter-subject variations in data. The inter-subject variation usually receives great attention and it may be partially explained by time-dependent covariates. However, some covariates may be measured with substantial errors and may contain missing values. We proposed a multiple imputation method, implemented by a Markov Chain Monte-Carlo method along with Gibbs sampler, to address the covariate measurement errors and missing data in nonlinear mixed-effects models. The multiple imputation method is illustrated in a real data example. Simulation studies show that the multiple imputation method outperforms the commonly used naive methods.
机译：在纵向研究中，非线性混合效应模型已被广泛用于描述受试者内部和受试者间数据的变化。受试者间的变异通常会引起极大的关注，并且可以通过时间相关的协变量来部分解释。但是，某些协变量可能存在重大误差，并且可能包含缺失值。我们提出了一种多重插补方法，该方法由马尔可夫链蒙特卡罗方法与Gibbs采样器一起实施，以解决非线性混合效应模型中的协变量测量误差和数据丢失。在实际数据示例中说明了多重插补方法。仿真研究表明，多重插补方法优于常用的朴素方法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号