[논문 리뷰] R Package multgee: A Generalized Estimating Equations Solver for Multinomial Responses

Anestis Touloumis|arXiv (Cornell University)|2014. 10. 20.

Advanced Causal Inference TechniquesMathematics인용 수 22

한 줄 요약

이 논문은 관련 다항응답에 대해 보다 효율적이고 안정적인 추정을 가능하게 하는 새로운 일반화된 추정방정식(GEE) 접근법을 구현한 R 패키지 multgee를 소개한다. 이 방법은 국소오즈비를 통해 연관성의 구조를 모델링하며, 기존 소프트웨어와 달리 순서형과 비순서형 응답을 모두 지원한다. 이로 인해 전통적인 GEE 방법에서 흔히 발생하는 수렴 문제를 피하고 추정 효율성을 향상시킨다.

ABSTRACT

The R package multgee implements the local odds ratios generalized estimating equations (GEE) approach proposed by Touloumis et al. (2013), a GEE approach for correlated multinomial responses that circumvents theoretical and practical limitations of the GEE method. A main strength of multgee is that it provides GEE routines for both ordinal (ordLORgee) and nominal (nomLORgee) responses, while relevant softwares in R and SAS are restricted to ordinal responses under a marginal cumulative link model specification. In addition, multgee offers a marginal adjacent categories logit model for ordinal responses and a marginal baseline category logit model for nominal. Further, utility functions are available to ease the local odds ratios structure selection (intrinsic.pars) and to perform a Wald type goodness-of-fit test between two nested GEE models (waldts). We demonstrate the application of multgee through a clinical trial with clustered ordinal multinomial responses.

연구 동기 및 목표

• 기존 GEE 방법이 순서형 데이터에 국한되어 있고 연관성 구조의 잘못된 특정화에 민감하다는 한계를 해결하기 위해.
• 모든 다항응답(순서형 및 비순서형)에 적용 가능한 통합된 GEE 프레임워크를 개발하기 위해, 국소오즈비를 부수적 파라미터로 사용한다.
• 모델 적합, 적합도 검정, 국소오즈비의 구조 선택을 위한 실용적인 R 함수를 제공하여 사용성과 신뢰성을 향상시키기 위해.
• 기존 GEE 구현에서 흔히 발생하는 수렴 문제를 해결하기 위해, 안정적인 매개변수화를 통해 모수적 모델과 연관성 구조를 분리함으로써.
• 응답 카테고리가 반드시 순서가 아니라도, 임상 및 종단적 연구에서 군집화되거나 반복 측정된 다항응답에 대해 강건한 추론을 가능하게 하기 위해.

제안 방법

• 국소오즈비를 부수적 파라미터로 간주하고, 이들이 모수적 모델과 독립적임을 전제로 하여 연관성 구조를 모델링하는 GEE 접근법을 제안한다.
• Goodman(1985)의 연관성 모델 가족을 활용하여 '균일(uniform)' 및 'time.exch'와 같은 간결하고 해석 가능한 국소오즈비의 구조를 정의한다.
• 핵심 기능 두 가지를 구현한다: 순서형 응답에 적합한 ordLORgee(누적 또는 인접 카테고리 로짓 모델 사용)와 비순서형 응답에 적합한 nomLORgee(기준 카테고리 로짓 모델 사용).
• 보조 기능을 도입한다: intrinsic.pars는 규칙 기반 기준에 따라 국소오즈비의 구조 선택을 위한 함수이며, waldts는 중첩된 모델 간의 Wald 유형 적합도 검정을 위한 함수이며, matrixLOR는 원하는 국소오즈비 표를 구성하기 위한 함수이다.
• 강력한 표준오차를 계산하기 위해 'sandwich' 추정기법을 사용하고, 회귀 계수의 유의성을 평가하기 위해 Wald 검정을 적용한다.
• 희소도가 높은 연도표의 경우 수렴을 향상시키기 위해 작은 상수(add)를 추가한다. 특히 복잡한 구조에서 효과적이다.

실험 결과

연구 질문

• RQ1 국소오즈비를 부수적 파라미터로 사용하는 GEE 접근법은 연관성 구조의 잘못된 특정화에 대해 강건하고, 순서형 및 비순서형 결과에 모두 적용 가능한가?
• RQ2 기존 방법과 비교해 볼 때, 국소오즈비를 부수적 파라미터로 사용하는 것이 GEE 추정의 안정성과 효율성에 어떻게 기여하는가?
• RQ3 실제로 수렴과 효율적 추정을 달성하는 데 가장 효과적인 국소오즈비의 구조(예: uniform, time.exch)는 무엇인가?
• RQ4 표준 우도비 검정이 사용 불가능한 상황에서, 중첩된 GEE 모델 간의 적합도를 어떻게 평가할 수 있는가?
• RQ5 실제 군집 다항응답 데이터 분석에서 모수적 모델과 연관성 구조를 선택하기 위한 실용적인 지침은 무엇인가?

주요 결과

• 국소오즈비 기반 GEE 접근법은 독립성 '가정' 상관구조를 사용한 경우보다 추정 효율성이 크게 향상되었으며, 시뮬레이션 결과에서 이는 명확히 확인되었다.
• multgee 패키지는 순서형 및 비순서형 다항응답에 모두 GEE를 성공적으로 구현하여, 이전 R 및 SAS 소프트웨어에서 누적 링크 모델 기반으로 순서형 응답에만 제한되었던 핵심적 한계를 극복했다.
• 임상 시험 예시에서 국소오즈비의 '균일(uniform)' 구조는 추정된 값이 2.257이었으며, 이는 응답 카테고리와 시간 포인트 간 일관된 연관성을 나타낸다.
• 귀무모형(모든 공변수 효과가 없는지 검정)의 p-값은 <0.0001이었고, 이는 귀무가설에 대한 강력한 반박 근거이자 모델 내 공변수 효과의 유의성을 시사한다.
• 중첩된 모델 간의 Wald 유형 적합도 검정 결과 p-값은 0.1384였으며, 이는 성별과 연령을 추가해도 모델이 유의미하게 향상되지 않았음을 의미한다.
• 복잡한 국소오즈비의 구조나 희소 표에서 수렴 문제가 관찰되었지만, 이는 구조를 단순화하거나 연도표의 add 상수를 증가시킴으로써 완화되었다.