广义估计方程GEE结果解读：纵向与重复测量数据分析.docxVIP

广义估计方程结果解读

一、方法概述

广义估计方程（GeneralizedEstimatingEquations，GEE）是由Liang和Zeger于1986年提出的一种用于分析纵向数据或重复测量数据的统计方法。GEE是广义线性模型的扩展，能够在因变量不服从正态分布的情况下（如二分类数据、计数数据、有序分类数据等），对存在组内相关性的重复测量数据进行有效的参数估计和统计推断。GEE方法的核心优势在于，即使作业相关矩阵（WorkingCorrelationMatrix）的结构设定不完全正确，其参数估计仍然具有一致性（即稳健性），这使得GEE在实际应用中具有较强的适用性。

GEE方法广泛应用于医学纵向研究、临床试验、面板数据分析等领域，特别适用于同一受试者在不同时间点的多次测量数据、同一家庭成员的聚类数据以及其他存在组内相关性的数据结构。本研究使用SPSSAU软件进行广义估计方程分析，采用线性链接函数和等相关（Exchangeable）矩阵结构，对480个观测值（120个Subject，每个Subject测量4次）进行建模分析，探讨各自变量对因变量的影响效应。

在SPSSAU【实验/医学研究】模块选择【广义估计方程】，将变量拖拽至右侧对应分析框，操作如下图：

二、模型基本信息

在进行广义估计方程分析之前，首先对模型的基本设置信息进行梳理，结果如表1所示。

由表1可知，本次广义估计