İstatistik Sözlüğü → Genelleştirilmiş Tahmin Denklemleri
Genelleştirilmiş Tahmin Denklemlerianaliz
Aynı kişiden tekrarlı ölçümler ya da aynı kümeden gözlemler gibi birbirine bağımlı verilerde, sürekli, ikili ya da sayım sonuçları için popülasyon ortalamasına ilişkin regresyon katsayılarını, bağımlılığa dayanıklı standart hatalarla kestiren yöntem.
Kavram
Aynı hastanın dört vizitteki ölçümleri ya da aynı ailedeki bireylerin yanıtları birbirinden bağımsız değildir. Bu bağımlılık yok sayılırsa standart hatalar yanlış çıkar ve çoğu zaman anlamlılık abartılır. Genelleştirilmiş tahmin denklemleri (GEE), lojistik ya da Poisson regresyonu gibi genelleştirilmiş doğrusal modelleri bu tür kümelenmiş verilere genişletir.
GEE iki parçadan oluşur. Ortalama modeli, sonucun beklenen değerini bir bağlantı fonksiyonu aracılığıyla öngörücülere bağlar (ör. ikili sonuçta logit). Çalışma korelasyon matrisi ise aynı kümedeki ölçümlerin birbirine nasıl benzediğine dair bir varsayımdır: tüm çiftler eşit ilişkili (değiştirilebilir), ardışık ölçümler daha çok ilişkili (AR(1)) ya da tamamen serbest (yapısız). Standart hatalar küme toplamlarından kurulan sandviç (dayanıklı) tahminciyle hesaplanır; bu nedenle çalışma korelasyonu yanlış seçilse bile katsayılar ve standart hatalar küme sayısı yeterliyse tutarlıdır, doğru seçim yalnız verimliliği artırır.
GEE katsayıları popülasyon ortalamalı (marjinal) etkilerdir: 'tedavi gören hastaların genelinde iyileşme odds'u ne kadar farklı?' sorusunu yanıtlar. Karma modeller (GLMM) ise kişiye özgü (koşullu) etkileri verir; ikili ve sayım sonuçlarında bu iki tür katsayı sayısal olarak farklıdır. GEE olabilirliğe dayanmadığı için AIC yerine QIC kullanılır. Küme sayısı azsa (ör. 40'tan az) sandviç standart hatalar küçük çıkabilir ve küçük örneklem düzeltmesi gerekir. Eksik veride sonuçlar, eksikliğin tamamen rastlantısal olduğu varsayımına karma modellerden daha duyarlıdır.
Ne zaman kullanılır?
- Tekrarlı ölçümlü ya da kümelenmiş verilerde ilgi popülasyon düzeyindeki ortalama etkilere yönelikse (ör. bir halk sağlığı müdahalesinin topluluktaki ortalama etkisi) ve sonuç ikili, sayım ya da sürekliyse.
- Kişiye ya da kümeye özgü etkiler, rastgele etkilerin varyansı ya da birey düzeyinde tahminler isteniyorsa doğrusal karma model (LMM) ya da genelleştirilmiş doğrusal karma model (GLMM) kullanılır.
- Gözlemler gerçekten bağımsızsa sıradan lojistik, Poisson ya da doğrusal regresyon yeterlidir; küme sayısı çok azsa GEE yerine kümeleri sabit etki olarak alan modeller düşünülebilir.
Gündelik bir örnek
Bir astım çalışmasında 120 çocuk yeni bir inhaler ya da plasebo alıyor ve dört kontrol vizitinde her çocuğun son haftayı nöbetsiz geçirip geçirmediği (evet/hayır) kaydediliyor. Aynı çocuğun vizitleri birbirine benzer: bir vizitte iyi olan çocuk sonrakinde de iyi olma eğilimindedir. GEE bu benzerliği çalışma korelasyonuyla hesaba katar ve örneğin inhaler için OR = 2,5 verebilir: inhaler alan çocukların genelinde nöbetsiz hafta odds'u plasebo alanlara göre yaklaşık 2,5 kattır.
MerQur'da parametreler
Bağımsız değişkenler, Bağımlı değişken (DV), Grup (cluster) değişkeni
Kavram: Bağımlı değişken ve öngörücüler ortalama modelini, küme değişkeni ise birbirine bağımlı gözlemlerin hangi birim içinde toplandığını tanımlar. Kümeler birbirinden bağımsız sayılır; dayanıklı standart hatalar küme sayısına dayandığından küme tanımı doğrudan standart hataları belirler.
Gündelik örnek: Astım örneğinde bağımlı değişken nöbetsiz hafta (1/0), öngörücüler tedavi, yaş ve başlangıç durumu, küme ise çocuktur. İki farklı hastanede aynı hasta numaraları kullanıldıysa küme 'hastane + numara' birleşimiyle tanımlanmalıdır; yoksa iki farklı çocuk aynı küme sanılır.
Ne işe yarar: y'yi, ortalama modelinin öngörücülerini ve bağımsız kabul edilen birimleri (küme) belirler. Sandviç SH küme toplamlarından kurulduğundan küme tanımı SH'nin kendisidir.
Sonuca etkisi: Tüm çıktıları belirler.
Doğrulama verisinde: respiratory'de hasta kimliği iki merkezde tekrarlandığından küme merkez ve kimliğin birleşiminden türetildi (cid). Metin öngörücüler ilk düzey referanslı kuklaya dönüştürülür.
Family (Gaussian (continuous) / Binomial (binary) / Poisson (count) / Gamma (positive continuous) / Negative binomial (k = 1))
Kavram: Sonucun türüne göre varyansın ortalamayla nasıl ilişkili olduğunu ve katsayıların hangi ölçekte yorumlanacağını belirler: sürekli sonuçta Gaussian, ikili sonuçta binom, sayımda Poisson ya da negatif binom, pozitif ve sağa çarpık ölçümlerde Gamma.
Gündelik örnek: Nöbetsiz hafta evet/hayır olduğu için binom ailesi seçilir ve katsayılar odds oranına çevrilir. Sonuç 'haftalık nöbet sayısı' olsaydı Poisson ya da negatif binom seçilir, katsayılar oran oranı (IRR) olarak okunurdu.
Ne işe yarar: Varyans fonksiyonunu ve kanonik bağlantıyı belirler. Binom, Poisson ve negatif binomda ölçek φ = 1 sabittir; Gaussian ve Gamma'da φ = Σr²/(N - p).
Sonuca etkisi: Katsayı ölçeğini (log-odds, log-oran, ortalama), OR/IRR tablosunu ve model tabanlı SH'yi değiştirir.
Doğrulama verisinde: dietox Time katsayısı Gaussian 6.9425 (SH 0.0796), Gamma kanonik -0.0019, Gamma-log 0.1244. epilepsy'de Poisson ve negatif binom trt_time katsayısı aynıdır (-0.1047).
Korelasyon yapısı (Exchangeable (compound symmetry) / Independence / AR(1) - Autoregressive / Unstructured / M-dependent (stationary))
Kavram: Aynı kümedeki ölçümlerin birbiriyle nasıl ilişkili olduğuna dair çalışma varsayımıdır. Değiştirilebilir yapı tüm çiftleri eşit ilişkili, AR(1) ardışık ölçümleri daha ilişkili sayar; bağımsız yapı ilişki olmadığını varsayar. Yapı yanlış olsa da dayanıklı standart hatalar geçerlidir; doğru yapı kestirimleri daha kesin yapar.
Gündelik örnek: Bir çocuğun 1. ve 2. vizitteki durumu, 1. ve 4. vizitteki durumundan daha çok benziyorsa AR(1) uygun olabilir. Benzerlik vizitler arası uzaklıkla değişmiyorsa değiştirilebilir yapı yeterlidir.
Ne işe yarar: Çalışma korelasyon matrisi (α parametreli). Yapı yanlış olsa da robust SH tutarlıdır; doğru yapı verimliliği artırır. MerQur tüm yapılarda serbestlik derecesi düzeltmeli moment tahmincisini kullanır.
Sonuca etkisi: α tahminini, küme içinde değişen öngörücülerde β'yı, SH'leri ve QIC'i değiştirir.
Doğrulama verisinde: respiratory treat P: Exchangeable -1.3232 (0.3737); AR(1) -1.2638 (0.3723), α 0.3393; yapısız -1.3203 (0.3738). Bu örnek koşuda QIC 512.3416; yorumdaki QIC 495.37 değiştirilebilir korelasyonlu modele aittir (iki değer farklı korelasyon yapısı kurulumlarından gelir).
→ Kovaryans (korelasyon) yapısı (UN, VC, AR(1), değiştirilebilir)
Zaman / sıra değişkeni
Kavram: Her ölçümün küme içindeki sırasını ya da zamanını belirtir; zamana bağlı korelasyon yapılarında ölçümlerin doğru eşleştirilmesi için gereklidir, özellikle eksik ölçüm varsa.
Gündelik örnek: Bir çocuk 2. vizite gelmediyse ve zaman değişkeni verilmezse 3. vizit ölçümü yanlışlıkla 2. vizit sanılabilir. Vizit numarası verildiğinde AR(1) yapısı ölçümleri doğru aralıklarla eşleştirir.
Ne işe yarar: AR(1), yapısız ve m-bağımlı yapılarda dalga indeksi (eksik ölçümde doğru eşleştirme); exchangeable ve bağımsızda yalnızca sıralama.
Sonuca etkisi: Yalnız eksik ya da düzensiz ölçümlerde sonucu değiştirir. Zaman verilmeden AR(1) seçilirse uyarı verilir.
Doğrulama verisinde: amenorrhea (988 eksik y): yapısız sonuç zamanlı ve zamansız aynıdır (trt_time 0.3380; eksiklik monotondur).
M-bağımlı gecikme (m)
Kavram: M-bağımlı yapıda, aralarında m ya da daha az adım bulunan ölçümler için ayrı korelasyonlar kestirilir; daha uzak ölçümler arasında ilişki olmadığı varsayılır.
Gündelik örnek: m = 1 seçilirse yalnız art arda gelen vizitler (1-2, 2-3, 3-4) ilişkili kabul edilir; 1. vizit ile 3. vizit arasında ilişki olmadığı varsayılır.
Ne işe yarar: m gecikmeye kadar ayrı korelasyon, ötesi sıfır.
Sonuca etkisi: Çalışma korelasyonu ve katsayılar değişir. Bantlı matris pozitif tanımlı değilse MerQur uyarıyla ham moment değerini raporlar.
Doğrulama verisinde: respiratory'de m = 1, 2, 3 için m-bağımlı yapı kurulur. dietox'ta (12 hafta) matris pozitif tanımlı değildir; lag-1 korelasyonu 0.938 bulunur.
→ Kovaryans (korelasyon) yapısı (UN, VC, AR(1), değiştirilebilir)
Bağlantı fonksiyonu (Kanonik / identity / log / logit / probit / cloglog / inverse)
Kavram: Sonucun beklenen değerini öngörücülerin doğrusal birleşimine bağlayan dönüşümdür. Her aile için doğal (kanonik) bir bağlantı vardır; farklı bir bağlantı seçmek katsayıların yorumlandığı ölçeği değiştirir.
Gündelik örnek: İkili sonuçta logit bağlantısı katsayıları odds oranına çevirmeyi sağlar. Probit bağlantısında katsayılar artık odds oranı olarak okunamaz; aynı tedavi etkisi farklı bir ölçekte ifade edilir.
Ne işe yarar: g(μ) = Xβ; kanonik dışı bağlantılar yorum ölçeğini değiştirir.
Sonuca etkisi: Katsayıların ölçeği değişir; OR/IRR tablosu yalnız logit ve log bağlantıda üretilir. Aileye uymayan bağlantı hata verir.
Doğrulama verisinde: respiratory treat logit -1.3232, probit -0.7711, cloglog -0.8653; ohio smoke logit 0.2651, log 0.2179.
Offset (log-maruziyet)
Kavram: Gözlem birimlerinin farklı süre ya da büyüklükteki maruziyetini hesaba katan, katsayısı 1'e sabit bir terimdir; genellikle maruziyetin logaritması olarak girer ve model sayımı değil oranı açıklar.
Gündelik örnek: Sonuç 'vizitler arasındaki nöbet sayısı' ise ve vizit aralıkları 2 ile 6 hafta arasında değişiyorsa, haftaların logaritması offset olarak girer; böylece 'haftada kaç nöbet' karşılaştırılır.
Ne işe yarar: Doğrusal öngörücüye katsayısı 1 ile eklenen log-maruziyet.
Sonuca etkisi: Sabiti değiştirir; maruziyet diğer öngörücülerin doğrusal birleşimiyse diğer katsayılar değişmez.
Doğrulama verisinde: epilepsy ltime: sabit 1.3476 (offsetsiz 3.4271); trt_time değişmez.
Standart hata (Robust (sandviç, varsayılan) / Model tabanlı (naive) / Robust + Mancl-DeRouen küçük küme düzeltmesi)
Kavram: Dayanıklı (sandviç) standart hata, çalışma korelasyonu yanlış olsa bile geçerlidir ve GEE'nin varsayılan seçimidir. Model tabanlı standart hata çalışma korelasyonunun doğru olduğunu varsayar. Küme sayısı azsa dayanıklı standart hatalar küçük çıkar; küçük küme düzeltmesi bunu telafi eder.
Gündelik örnek: Çalışmada 120 çocuk varsa dayanıklı standart hata güvenilirdir. Yalnız 20 çocuk izlendiyse tedavi etkisinin standart hatası olduğundan küçük görünebilir; küçük küme düzeltmesi aralığı biraz genişleterek daha dürüst bir sonuç verir.
Ne işe yarar: Liang-Zeger sandviç, model tabanlı ve küçük küme düzeltmeli (Mancl ve DeRouen, 2001) sandviç.
Sonuca etkisi: SH, z, p, güven aralığı ve Tip III Wald testi değişir.
Doğrulama verisinde: respiratory treat SH: robust 0.3737, naive 0.3361, Mancl-DeRouen 0.4002. leprosy timeA: robust 0.2186, naive 0.1818.
EMMEANS faktörü ve EMMEANS p düzeltmesi (Bonferroni / Šidák / Tukey / Düzeltme yok)
Kavram: Kestirilmiş marjinal ortalamalar, kategorik bir faktörün her düzeyi için diğer öngörücüler ortalama değerlerindeyken modelden hesaplanan ortalamalardır; ikili sonuçta olasılık olarak da verilebilir. İkili farklar çoklu karşılaştırma düzeltmesiyle sınanır.
Gündelik örnek: Model, yaş ve başlangıç durumu ortalamadayken inhaler grubunda nöbetsiz hafta olasılığını 0,75, plasebo grubunda 0,55 olarak verebilir. Üç tedavi grubu olsaydı üç ikili karşılaştırma düzeltmeli p-değerleriyle raporlanırdı.
Ne işe yarar: Kategorik faktör düzeylerinde marjinal ortalamalar (sayısal öngörücüler ortalamada) ve ikili farklar.
Sonuca etkisi: Yalnız marjinal ortalama ve karşılaştırma tablosunu etkiler.
Doğrulama verisinde: respiratory treat: A 1.1606 (olasılık 0.7614), P -0.1625 (0.4595), OR 3.755. dietox Cu035-Cu175 p: düzeltmesiz 0.1841, Tukey 0.3794, Bonferroni 0.5522.
EMM ikinci faktör (her düzeyinde karşılaştır): grup x zaman marjinal ortalamaları
Kavram: Grup ile zaman arasında etkileşim olduğunda grupları her zaman noktasında ayrı ayrı karşılaştırır; böylece etkinin zamanla nasıl değiştiği görülür.
Gündelik örnek: İnhaler ile plasebo arasındaki fark 1. vizitte küçük, 4. vizitte büyük olabilir. Bu seçenek iki grubu her vizitte ayrı ayrı karşılaştırarak tedavinin ne zaman etkisini göstermeye başladığını ortaya koyar.
Ne işe yarar: Grup x zaman etkileşimli GEE modelinde hücre ve karşılaştırma marjinal ortalamalarını verir.
Sonuca etkisi: Ek marjinal ortalama ve karşılaştırma tabloları; ana model değişmez.
Doğrulama verisinde: BodyWeight alt kümesinde 60 değer üretilir; seçenek epil, toenail ve respiratory verilerinde de sınanmıştır.
Tahmin ve artıkları veri setine kaydet (MEANPRED, XBPRED, PEARSONRESID)
Kavram: Her gözlem için modelin tahmin ettiği ortalamayı, doğrusal öngörücüyü ve Pearson artığını veri setine yeni sütunlar olarak ekler; model denetimi ve sonraki analizler için kullanılır.
Gündelik örnek: Her çocuğun her vizitteki tahmini nöbetsiz hafta olasılığı tabloya eklenirse, beklenenden çok daha kötü seyreden çocuklar büyük Pearson artıklarıyla kolayca bulunur.
Ne işe yarar: μ̂, η̂ ve Pearson artığını veri setine yazar.
Sonuca etkisi: Veri setine üç sütun eklenir; sonuç tabloları değişmez.
Doğrulama verisinde: dietox satır 1: μ̂ 22.3649, Pearson 4.1351; değerler 861 satırın tümü için kaydedilir.
Güven Düzeyi (%90 / %95 / %99 / Diğer (özel))
Kavram: Katsayılar ve odds ya da oran oranları için verilen aralıkların güven düzeyini belirler; güven düzeyi arttıkça aralık genişler.
Gündelik örnek: İnhalerin OR'si 2,5 için %95 güven aralığı [1,4; 4,5] olabilir; %99 güvende aralık genişler ama 1'i içermediği sürece etki anlamlı kalır.
Ne işe yarar: Wald aralığının düzeyi (β ± z·SH; OR/IRR için exp).
Sonuca etkisi: Aralık uçlarını ve anlamlılık işaretini değiştirir; katsayı ve SH'yi değiştirmez.
Doğrulama verisinde: treat aralığı %90 (-1.938, -0.709), %95 (-2.056, -0.591), %99 (-2.286, -0.361).
QIC / QICu (çıktı)
Kavram: QIC, GEE için olabilirlik yerine yarı-olabilirliğe dayanan bir bilgi ölçütüdür; daha küçük değer daha iyi modeli gösterir. QIC çalışma korelasyon yapılarını, QICu ise farklı öngörücü kümelerini karşılaştırmak için kullanılır.
Gündelik örnek: Aynı öngörücülerle değiştirilebilir yapının QIC'i AR(1)'inkinden küçükse değiştirilebilir yapı tercih edilir. Yaşın modele katkısını görmek için ise yaşlı ve yaşsız modellerin QICu değerleri karşılaştırılır.
Ne işe yarar: Pan (2001): QIC = -2QL + 2·tr(Ω_I·V_R); Ω_I bağımsızlık altında model tabanlı bilgi, V_R her zaman robust kovaryans. Çalışma korelasyonu yapısı seçimi için kullanılır.
Sonuca etkisi: Her koşuda çıktıda verilir; yalnız aynı programdaki farklar karşılaştırılabilir.
Doğrulama verisinde: QIC: respiratory 495.37 (değiştirilebilir korelasyon, yorumdaki model), ohio 1829.47, amenorrhea 4384.36, dietox 915.84.
Gerçek veride örnek
Veri: Koch vd. 1990 solunum denemesi, geepack respiratory
Değişkenler: bağımlı outcome (iyi/kötü 0/1), bağımsızlar center, treat, sex, age, baseline, age2; küme cid (hasta); aile Binomial
- Soru: Solunum hastalığı denemesinde aktif tedavi (A) plaseboya (P) göre dört vizitte iyi solunum durumu (outcome = 1) olasılığını artırıyor mu? Aynı hastanın tekrarlı ölçümleri GEE ile (binom, logit, değiştirilebilir korelasyon, robust SE) modellendi; merkez, cinsiyet, yaş, yaş² ve başlangıç durumu kovaryat olarak modele alındı.
- Varsayım: GEE nüfus ortalamalı (marjinal) etki verir; denek-özgü yorum için GLMM gerekir. 111 kümeyle robust SE yeterlidir, daha az kümede küçük örneklem düzeltmesi (Mancl-DeRouen) düşünülmelidir. Çalışma korelasyonu 0.303; tekrarlı ölçüm yapısı göz ardı edilmemelidir.
- Sonuç: Plasebo grubunda iyi solunum odds'u aktif tedaviye göre anlamlı ölçüde düşüktür: β = -1.323, robust SE = 0.374, z = -3.54, p < .001; OR = 0.266 (%95 GA [0.128, 0.554]). Başlangıçta iyi olanların sonraki vizitlerde iyi olma odds'u 6.59 kat (p < .001); yaşın etkisi eğriseldir (age β = -0.207, age² β = 0.0026). Cinsiyet (p = .348) ve merkez (p = .176) anlamsızdır.
- Etki büyüklüğü: Aktif tedavi odds'u yaklaşık 3.8 kat artırır. QIC = 495.37, QICu = 482.62; korelasyon yapısı seçiminde QIC, değişken seçiminde QICu karşılaştırılır.
- APA: GEE (binom, değiştirilebilir korelasyon, robust SE), tedavi (P ve A) β = -1.32, SE = 0.37, z = -3.54, p < .001, OR = 0.27, %95 GA [0.13, 0.55].
İlgili kavramlar
Kovaryans (korelasyon) yapısı (UN, VC, AR(1), değiştirilebilir)QIC ve QICu ölçütleriTahmini marjinal ortalamalar (EMM)GEE çalışma korelasyonu ve marjinal modelSağlam (sandviç) standart hatalar (HC0-HC3)Offset (maruziyet terimi)Olay hızı oranı (IRR)Bağlantı (link) fonksiyonu
Örneklerdeki sayılar MerQur'un bağımsız, kamuya açık doğrulama verileri üzerindeki çıktılarıdır; ayrıntılar için MerQur Teknik Not'a bakınız.