纵向数据分析方法与SAS实现.ppt

*SAS Program 4.6.7-1; timec=time; proc mixed covtest noclprint; class id timec; model qol=trt|time /s ddfm=kR; repeated timec/subject=id R Rcorr type=UN;/*将timec 处理为代表时间点的一组虚拟变量,以保证在某些时间点有缺失观察值的情况下，SAS能够正确地按时间点排列数据。*/ run; 先前的随机系数发展模型中个，用random语句分析个体“间”变异，这里增加了repeated语句，用来分析个体“内”变异。Repeated语句中的R及Corr，分别要求打印出模型的残差方差/协方差矩阵和残差相关系数矩阵。 在SAS程序中，5种常见的残差方差/协方差结构来拟合模型： 非结构性残差方差/协方差结构（UN）:其所有的残差/协方差参数具有不同的估计值。 复合对称残差方差/协方差结构（CS）：假设所有的方差和协方差分别相等，仅需估计两个参数，共同方差和共同协方差； 一阶自回归残差方差/协方差结构（AR（1））：是时间序列数据中很常见的一种残差方差/协方差结构，它假设残差方差相等，以及时滞残差（time lag resiuals）间的相关系数随时间而呈指数衰减。 Toeplitz 残差方差/协方差结构(TOEP )：适用于共同方差、但任意时滞相关残差的时间序列结构。其不假设序列相关系数随时间而衰减，因此，比 AR（1）局限性小。 Huynh-Feldt 残差方差/协方差结构(HF)： 选项设定异值复合对称残差方差/ 协方差结构，其假设残差方差不同，每个协方差由两个相关方差的均值减去一个常数参数取得。可以说AR（1）是TOEP结构的特殊形式；CS是HR结构的特殊形式。 随机系数模型是将方差分成两部分：随机效应或个体间变异和残差方差或测量误差。随机系数模型通过将个体间随机变异纳入模型，但假设残差方差/协方差矩阵为单位矩阵，来分析结局总方差，事实上，随机截距模型与CS模型相同，而随机截距-斜率模型可被认为是CS模型的扩展。 ….SAS Program 4.6.7-2 Timec=time; % macro Fit(cov); Ods exclude classlevels iterhistory; Proc Mixed covtest noclprint; Class id timec; Model QOL=Trt|time ddfm=KR; Repeated timec/subject=id R rcorr type =cov; Run; %mend fit; %fit(un); %fit(cs);%fit(AR(1));%fit(toep);%fit(HF) 4.7 曲线发展模型 4.7.1多项式曲线发展模型 “加入time2 ” 4.7.2高次方多项式发展模型中共线性问题的处理 4.7.3分段发展模型： 将曲线趋势分成数个直线段。 如果将时间分值减去其均值，或者说，将时间尺度的中心点定在观察期的终点，则time 和 time2之间的共线性问题便可完全去除。 发展模型的优点 可处理缺失和不完整数据； 可处理不等时距问题； 不要求对象内独立即其它的限制性假设； 可以容易的加入时间依赖自变量。 应该注意的问题 低水平预测变量的中心化 高水平样本容量 变量之间共线性问题（时间的中心化，不仅能使我们从不同的角度解释模型截距，而且避免了共线性问题。） SAS中固定效应分母自由度的不同方法 补充： DDFW=Residual 该选项用残差项方差的自由度作为各个固定效应的分母自由度。她通常高估固定效应的理想自由度。 DDFW=Contain 该选项用包容法确定固定效应的分母自由度，要求是对称数据或平衡数据。在SAS现有版本的Proc mixed 程序中DDFM=contain 是默认选项（当使用random语句时）。包容法要求平衡数据，基本不适用与多层模型，所以需要设定DDFM=？来覆盖默认选项。 选项DDFM=BW: 当SAS PROC MIXED 程序中使用Repeated 语句分析纵向数据，且不用random时 DDFM=BW是默认选项。它将误差分解为对象间自由度和对象内自由度，分别作为对象间变量和对象内变量固定效应的分母自由度。但当残差结构选用Type=UN与repeated语句同时使用时，且不使用random语句时，DDFM=BW选项将对象间自由度作为所有固定效应的分母自由度。 这三种方法适用于简单方差/协方差结构的对称设计。 在多层模型中，检验固定效应显著性的wald t 检验和F检验受到多层残差的影响，其分母自由度的计算不是很直接。Model语句中