长序列纵向计数数据的边际分析：方法及其在驾驶研究中的应用
应用统计
2012-03-19 v1
摘要
大多数可用的纵向数据分析方法都是针对受试者数量大、每个受试者观测次数相对较少的情况而设计和验证的。受自然主义青少年驾驶研究（NTDS）的启发，该研究代表了完全相反的情况，我们检验了标准方法并提出了新的方法，用于在少量非常长的序列中对纵向计数数据进行边际分析。我们考虑了基于广义估计方程的标准方法，在工作独立或适当相关结构下，发现它们在处理时间相依协变量且计数较低时效果不佳。针对这种情况，我们探索了一种簇内重抽样（WCR）方法，该方法涉及对随机子样本进行重复分析，最后通过综合分析汇总各子样本的结果。这导致了一种新颖的WCR方法，该方法在受试者内部分离的块上操作，并且比之前考虑的所有方法表现更好。这些方法应用于NTDS数据，并在模拟NTDS的仿真实验中进行了评估。
引用
@article{arxiv.1203.3638,
title = {Marginal analysis of longitudinal count data in long sequences: Methods and applications to a driving study},
author = {Zhiwei Zhang and Paul S. Albert and Bruce Simons-Morton},
journal= {arXiv preprint arXiv:1203.3638},
year = {2012}
}
备注
Published in at http://dx.doi.org/10.1214/11-AOAS507 the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org)