泊松混合效应线性模型局部影响诊断的模拟研究
统计方法学
2018-05-09 v1
摘要
鉴于许多领域中的分层计数数据不服从正态分布且包含随机效应，本文将广义线性混合模型（GLMMs）扩展为泊松混合效应线性模型（PMELM），并通过数值模拟实验验证 Rakhmawati 等人（2016）提出的检测异常值的方法。本文基于 Thall 和 Vail（1990）的癫痫纵向数据生成随机数据，使用六种方式对其污染，并尝试利用先前研究补充材料中提到的代码来检测人为异常值。输出显示该方法有时有效但并非总是有效，这可能是由于编码的局限性或其他原因。尽管该数据集和局部影响方法已在先前论文中被广泛研究和分析，本文在数据可视化方面做出了贡献。本文中的图形展示了各个影响分量的效应，比 R 和 SAS 中的原始输出更清晰。
引用
@article{arxiv.1805.02898,
title = {Simulation Study on Local Influence Diagnosis for Poisson Mixed-Effect Linear Model},
author = {N. Zhang},
journal= {arXiv preprint arXiv:1805.02898},
year = {2018}
}
备注
Acknowledgement: Financial support from "2017 Shanghai University Students Innovation and Entrepreneurship Training Program Model School", Shanghai Education Commission