关于簇随机化试验中混合模型协方差分析的研究
统计方法学
2023-10-10 v3
摘要
在簇随机化试验的分析中，混合模型协方差分析（ANCOVA）是用于协变量调整和处里簇内相关性的标准方法。然而，当正态性、线性或随机截距假设被违背时，混合模型 ANCOVA 估计量在估计平均处理效应时的有效性和效率仍不清楚。在潜在结果框架下，我们证明了混合模型 ANCOVA 对平均处理效应的估计量在其工作模型任意误设下是一致且渐近正态的。若每个簇接受处理的概率为 0.5，我们进一步证明混合模型 ANCOVA1（不含处理-协变量交互的 ANCOVA）下的基于模型的方差估计量仍是一致的，阐明即便在模型误设下标准软件给出的置信区间也是渐近有效的。除稳健性外，我们讨论了用于分析簇随机化试验的经典方法间关于精度的若干见解，包括混合模型 ANCOVA、个体水平 ANCOVA 和簇水平 ANCOVA 估计量。这些见解可为实践中方法的选择提供参考。我们的分析结果和见解通过模拟研究以及三项簇随机化试验的分析得到说明。
引用
@article{arxiv.2112.00832,
title = {On the mixed-model analysis of covariance in cluster-randomized trials},
author = {Bingkai Wang and Michael O. Harhay and Jiaqi Tong and Dylan S. Small and Tim P. Morris and Fan Li},
journal= {arXiv preprint arXiv:2112.00832},
year = {2023}
}