[论文解读] Efficient and Robust Estimation for a Class of Generalized Linear Longitudinal Mixed Models

René Holst, Bent Jørgensen|arXiv (Cornell University)|Aug 17, 2010

Genetic and phenotypic traits in livestock参考文献 36被引用 4

一句话总结

本文提出了一种计算高效的估计方程方法，用于具有分层乘法结构和加法异质性成分的广义线性纵向混合模型，采用显式协方差建模和残差最大似然估计。该方法避免了高维积分，实现了对回归参数和关联参数的稳健异方差估计，同时保持了边际模型和条件模型的解释意义。

ABSTRACT

We propose a versatile and computationally efficient estimating equation method for a class of hierarchical multiplicative generalized linear mixed models with additive dispersion components, based on explicit modelling of the covariance structure. The class combines longitudinal and random effects models and retains a marginal as well as a conditional interpretation. The estimation procedure combines that of generalized estimating equations for the regression with residual maximum likelihood estimation for the association parameters. This avoids the multidimensional integral of the conventional generalized linear mixed models likelihood and allows an extension of the robust empirical sandwich estimator for use with both association and regression parameters. The method is applied to a set of otolith data, used for age determination of fish.

研究动机与目标

• 解决传统广义线性混合模型在似然估计中依赖多维积分所带来的计算负担。
• 通过将广义估计方程与随机效应结构统一于同一框架，实现边际模型与条件模型的统一。
• 通过扩展的经验异方差估计量，实现对回归参数和关联参数的稳健推断。
• 利用具有分层方差成分的Tweedie分布，提供一种灵活的非正态、相关纵向数据建模方法。
• 基于二阶矩假设和牛顿评分法，开发一种计算高效的估计方法，避免复杂的数值积分。

提出的方法

• 采用条件独立的Tweedie分布构建分层模型，其均值结构为乘法形式，异质性成分采用加法形式。
• 通过一个由线性滤波器（如MA(q)或AR(1)）作用于簇特定随机效应所定义的平稳潜变量过程，建模组内相关性。
• 对关联参数使用皮尔逊估计方程，对回归参数使用广义估计方程，通过联合估计函数将二者结合。
• 利用Jørgensen和Knudsen（2004）提出的偏差校正估计方程，对关联参数应用残差最大似然估计。
• 通过高效牛顿评分算法求解估计方程，避免对随机效应进行数值积分。
• 将稳健经验异方差估计量扩展至处理模型误设下回归参数和关联参数的渐近方差。

实验结果

研究问题

• RQ1 如何构建一个统一框架，使纵向混合模型同时保留边际解释与条件解释？
• RQ2 是否可以在保持估计效率的同时，完全消除广义线性混合模型中多维积分的计算负担？
• RQ3 在具有复杂协方差结构的分层模型中，稳健方差估计在多大程度上可推广至关联参数？
• RQ4 与使用工作相关矩阵的传统GEE相比，显式协方差结构建模在多大程度上提升了估计效率？
• RQ5 在有限样本下，特别是存在模型误设或非正态性时，所提出方法的性能如何？

主要发现

• 所提方法通过显式建模协方差结构的二阶矩，避免了传统GLMM中的多维积分。
• 估计过程结合了回归参数的广义估计方程与关联参数的残差最大似然估计，实现了高效且稳健的推断。
• 稳健经验异方差估计量成功扩展至同时处理回归参数和关联参数，提升了在模型误设下的推断性能。
• 牛顿评分算法确保了快速且稳定的收敛，使该方法在大规模数据集上仍具有计算高效性。
• 该模型框架可通过Tweedie族灵活建模非正态数据，包括计数数据、连续数据及零膨胀数据。
• 在耳石数据上的应用展示了该方法在渔业科学中的实际应用价值，能够稳定且可解释地估计与年龄相关的生长模式。