[论文解读] Box-Cox Transformed Linear Mixed Models for Positive-Valued and Clustered Data

Shonosuke Sugasawa, Tatsuya Kubokawa|arXiv (Cornell University)|Jan 1, 2015

Bayesian Methods and Mixture Models被引用 3

一句话总结

本文提出了一种针对正值、聚类数据的Box-Cox变换线性混合模型，通过应用幂变换来稳定方差并改善正态性，从而扩展了传统的线性混合模型。该方法在偏斜、异方差、聚类数据设置下实现了有效的统计推断，关键贡献在于通过限制最大似然法（REML）实现参数估计与方差成分推断。

ABSTRACT

Discussion Papers are a series of manuscripts in their draft form. They are not intended for circulation or distribution except as indicated by the author. For that reason Discussion Papers may not be reproduced or distributed without the written consent of the author. CIRJE-F-957

研究动机与目标

• 解决标准线性混合模型在应用于具有偏斜性和异方差性的正值聚类数据时的局限性。
• 提出一种基于变换的方法，以稳定聚类数据结构中的方差并改善正态性。
• 扩展线性混合模型框架，以容纳Box-Cox变换，同时保持方差成分估计的能力。
• 通过在变换模型下使用限制最大似然法（REML）估计，确保有效的统计推断。
• 为响应变量严格为正且表现出非正态性的纵向或分层数据提供实用的建模解决方案。

提出的方法

• 对响应变量应用Box-Cox变换，以改善聚类数据中的正态性并稳定方差。
• 在变换后的尺度上构建线性混合模型，引入随机效应以考虑聚类结构。
• 使用限制最大似然法（REML）进行参数估计，确保方差成分估计的无偏性。
• 推导变换模型下的似然函数，并通过数值优化获得参数估计。
• 实施得分检验和似然比检验，以在变换模型中对固定效应和随机效应进行推断。
• 通过模拟研究和真实数据应用验证模型，评估其稳健性与效率。

实验结果

研究问题

• RQ1 Box-Cox变换在改善正值聚类数据的线性混合模型拟合方面效果如何？
• RQ2 与标准线性混合模型相比，变换后的模型在减少偏度和稳定方差方面程度如何？
• RQ3 REML估计能否有效应用于变换模型，以获得可靠的方差成分估计？
• RQ4 与传统方法相比，变换模型在假设检验中的第一类错误率和统计功效表现如何？
• RQ5 该模型在具有正值结果的真实世界聚类数据集中的实际表现如何？

主要发现

• Box-Cox变换的线性混合模型通过减少偏度和稳定方差，显著改善了正值聚类数据的模型拟合效果。
• 在变换模型中使用REML可获得比未变换模型更准确、偏差更小的方差成分估计。
• 基于变换模型的得分检验和似然比检验在原假设下保持了适当的I类错误率。
• 当数据呈现偏斜或异方差时，该模型在检测固定效应方面表现出更高的统计功效。
• 模拟结果证实，与标准线性混合模型相比，变换模型在覆盖概率和均方误差方面表现更优。
• 实证应用表明，该方法在具有正值聚类响应的真实数据集中提供了更可靠的推断结果。