SAS GLIMMIX 主题估计答案

【问题标题】：SAS GLIMMIX subject estimatesSAS GLIMMIX 主题估计
【发布时间】：2023-03-24 19:55:02
【问题描述】：

我正在尝试分析一个数据集，其中每个主题都有 12 次重复测量（每季度超过 3 年）。我想提取时间斜率的特定主题估计，以评估主题是否随时间发生显着变化。

我目前的代码一直表明，随着时间的推移，每个受试者都表现出非常显着的增长。这似乎不太可能，但我不确定如何调整语法以运行更准确的模型。有谁知道这个模型如何/为什么会找到所有情况下时间显着的斜率系数？

对该研究的简要描述：我们正在创建一份趋势报告，该报告应标记在所分析的时间段（3 年，按季度）内计费次数显着增加的程序代码（主题））。结果变量被视为一个计数（以 0 为界，但不一定是整数）。

%macro Zeroes(numzeroes);
   %local i;
   %do i = 1 %to %eval(&numzeroes-1);
      0
   %end;
   1;
%mend;

%macro EstimateStatement(numsubjects=);
   %local i;

   proc glimmix data=procdata11;
      class code;
      model billing_count=period_count / dist=NB link=log
      solution ddfm=betwithin;
      random intercept period_count / sub=code type=AR(1);
      random _residual_;  
      %do i = 1 %to &numsubjects;
         estimate "Slope for Code &i" period_count 1 | period_count 1 / subject %Zeroes(&i);
       %end;
      ods output estimates=sscoeff;
    run;
 %mend;

 %EstimateStatement(numsubjects=&num_codes)

非常感谢任何有关使该模型更准确和高效的帮助！

谢谢！

【问题讨论】：

标签： sas regression mixed-models significance random-effects

【解决方案1】：

也许正斜率是数据的实际特征？如果您为每个代码绘制 billing_count 与 period_count，您会看到什么？

关于节目，我有两个建议。

(1) type=AR(1)在

中的使用

random intercept period_count / sub=code type=AR(1);

强制截距的方差等于斜率的方差。此约束可能与数据不一致。 AR(1) 不是随机系数模型的合理协方差结构。试试 type=UN 或 type=UN(1)。

(2) 掉落

random _residual_;

它的包含使模型过度指定；负二项分布已经有了尺度参数。

要考虑的另一件事是，随机系数模型会产生收缩估计量，因此单个代码的估计值会缩小到整体解决方案：您从随机系数模型获得的斜率估计值将不等于您的估计值将从每个代码的单独回归中获得。克雷夫特等人。对该主题有一个非常直观的介绍（请参阅此处的 p14 http://tinyurl.com/ns99ojh）。

【讨论】：