利用多元 Probit-线性混合模型估计图形组内相关系数 (GICC)
统计方法学
2013-11-20 v2
摘要
数据可重复性是所有科学实验中的关键问题。在本文中，我们考虑量化图形测量可重复性的问题。我们将图像组内相关系数 (I2C2) 的概念推广，并为此目的提出了图形组内相关系数 (GICC) 的概念。GICC 的概念基于多元 Probit-线性混合效应模型。我们将提出一种用于估计 GICC 的马尔可夫链 EM (MCEM) 算法。展示了不同设置下的模拟结果，并将我们的方法应用于 KIRBY21 重测数据集。
引用
@article{arxiv.1311.4210,
title = {Estimating a graphical intra-class correlation coefficient (GICC) using multivariate probit-linear mixed models},
author = {Chen Yue and Shaojie Chen and Haris I. Sair and Raag Airan and Brian S. Caffo},
journal= {arXiv preprint arXiv:1311.4210},
year = {2013}
}
备注
14 pages, 3 figures, 1 table