基于偏斜正态尺度混合分布的非线性混合效应模型近似推断
统计方法学
2021-09-28 v1
摘要
近年来，非线性混合效应模型因其在处理纵向研究（包括人类免疫缺陷病毒病毒动力学、药代动力学分析以及生长和衰减研究）方面的灵活性，在统计文献中受到广泛关注。连续型响应变量非线性混合效应模型的一个标准假设是随机效应和受试者内误差服从正态分布，这使得模型对离群点敏感。我们提出了一类新颖的非对称非线性混合效应模型，可在纵向数据分析中提供高效的参数估计。我们假设，在边际上，随机效应服从多元偏斜正态尺度混合分布，而随机误差服从对称正态尺度混合分布，从而为通常的正态分布提供了一个有吸引力的稳健替代方案。我们提出了一种基于EM型算法的最大似然估计近似方法，该方法产生近似最大似然估计，并显著减少了与精确最大似然估计相关的数值困难。本文也简要讨论了在该类分布下进行未来响应预测的技术。该方法通过应用于茶碱动力学数据以及一些模拟研究加以说明。
引用
@article{arxiv.2007.15086,
title = {Approximate inferences for nonlinear mixed effects models with scale mixtures of skew-normal distributions},
author = {Fernanda L. Schumacher and Dipak K. Dey and Victor H. Lachos},
journal= {arXiv preprint arXiv:2007.15086},
year = {2021}
}