纵向数据的广义估计方程.docxVIP

纵向数据的广义估计方程

一、引言

在医学、社会学、心理学等众多领域的研究中，研究者常常需要对同一组研究对象进行多次重复测量，以追踪其状态随时间的变化规律，这类数据被称为纵向数据。例如，在慢性病管理研究中，医生会定期测量患者的血压、血糖等指标，观察其病情进展与治疗方案的关联；在儿童发展研究中，研究者会每隔一段时间评估儿童的认知能力、身高体重等，分析家庭环境、教育方式对成长的影响。与横截面数据仅反映某一时刻的群体特征不同，纵向数据能够捕捉个体内的动态变化，同时控制个体间的异质性，为揭示变量间的因果关系提供更有力的证据（Diggleetal.，2002）。

然而，纵向数据的核心特征——个体内重复测量值之间存在相关性，给传统统计分析方法带来了挑战。传统的t检验、方差分析以及普通线性回归等方法均假设数据独立同分布，若直接应用于纵向数据，会忽略个体内的相关性，导致标准误估计偏差，进而影响统计推断的准确性（KenwardRoger，1997）。为解决这一问题，统计学家们提出了多种适用于纵向数据的分析方法，其中广义估计方程（GeneralizedEstimatingEquations，GEE）因无需严格的分布假设、计算简便且结果稳健等优势，成为应用最广泛的方法之一。GEE由Zeger和Liang于某年首次提出，其核心思想是通过构建边缘模型和设定工作相关矩阵，有效处理个体内的相关性，实现