s*******e
发帖数: 370 | 1 How to assess the association between X and Y?
Variable X is continuous and normal-distributed, and the dependent variable
Y is ordinal (can be numbers between 0-30 ), and is not normal- distributed,
is skewed to the right.
Patients are examined three times, and both X and Y are measured at about
the same time. But there are some missing data (patients can miss one or two
exams, and may miss X exam or Y exam or both). For each patient, the
average number of exams is 2.2. Sample size is over 1000.
我想这个是longitudinal data，大概可以用GEE model做个regression? 但是Y不是
continuous,也不是normal distribution，而且有不少missing，这些会有什么影响？
怎么分析才比较好呢？
想请教大家，帮帮忙。谢谢！ |
s*******e
发帖数: 370 | 2 版上这么多人，咋就没人回答呢。
我自己顶一下吧。 |
P****D
发帖数: 11146 | 3 为什么会有missing data？处理缺失数据的方法视缺失数据产生的原因而定。如果是
missing at random甚至missing at complete random的，就无视好了。否则……你惨
了……
既然Y是ordinal的，用GEE可以啊。 |
w*******n
发帖数: 469 | 4 Mixed model may be better if you have random effect here. |
s*******e
发帖数: 370 | 5 谢谢！总算有一个人回复啦。
But we had only three times of measurements, is Mixed model ideal for such
situation?
【在 w*******n 的大作中提到】
: Mixed model may be better if you have random effect here.
|
w*******n
发帖数: 469 | 6 You can use means model with "PROC MIXED". |
o******6
发帖数: 538 | 7 用GENERALIZED LINEAR MIXED MODEL（PROC GLIMMIX)，试试LOG LINK FUNCTION。至于
MISSING DATA，可以检查一下是不是MCAR。
variable
distributed,
two
【在 s*******e 的大作中提到】
: How to assess the association between X and Y?
: Variable X is continuous and normal-distributed, and the dependent variable
: Y is ordinal (can be numbers between 0-30 ), and is not normal- distributed,
: is skewed to the right.
: Patients are examined three times, and both X and Y are measured at about
: the same time. But there are some missing data (patients can miss one or two
: exams, and may miss X exam or Y exam or both). For each patient, the
: average number of exams is 2.2. Sample size is over 1000.
: 我想这个是longitudinal data，大概可以用GEE model做个regression? 但是Y不是
: continuous,也不是normal distribution，而且有不少missing，这些会有什么影响？
|
s*******e
发帖数: 370 | 8 PharmD，谢谢你的回答。
关于missing data,很常见啊，因为受试者是人啊，人总是会有各种情况，有的是年纪
大了，行动不便，来不了了，有的也可能死了，有的是不想来了，各种情况都有。
所以，我也不确定是不是missing at random. 好像GEE对missing data的assumption是
MACR,否则会有bias（？）。当然MACR是很苛刻的要求。
我现在觉得是MAR就不错了，但是如何去证实这个呢？我想过用inverse probability
weighting, 但是不知道如何去做。即使是baseline也不是所有人都参加了exam的。
另外Y是ordinal data，但是不是normal distribution, 而是skewed,而且有最大值。
这样的话，我在想GEE的linearity assumption会不会成问题呢？因为可能有ceiling
effect？不是很懂这些。
【在 P****D 的大作中提到】
: 为什么会有missing data？处理缺失数据的方法视缺失数据产生的原因而定。如果是
: missing at random甚至missing at complete random的，就无视好了。否则……你惨
: 了……
: 既然Y是ordinal的，用GEE可以啊。
|
s*r
发帖数: 2757 | 9 你这个y是什么psychometric score吧
variable
distributed,
two
【在 s*******e 的大作中提到】
: How to assess the association between X and Y?
: Variable X is continuous and normal-distributed, and the dependent variable
: Y is ordinal (can be numbers between 0-30 ), and is not normal- distributed,
: is skewed to the right.
: Patients are examined three times, and both X and Y are measured at about
: the same time. But there are some missing data (patients can miss one or two
: exams, and may miss X exam or Y exam or both). For each patient, the
: average number of exams is 2.2. Sample size is over 1000.
: 我想这个是longitudinal data，大概可以用GEE model做个regression? 但是Y不是
: continuous,也不是normal distribution，而且有不少missing，这些会有什么影响？
|
s*******e
发帖数: 370 | 10 Orange06,谢谢你的建议。
可以大概说说怎么check是不是MCAR吗？
另外为什么用Log link function呢？
另外用GENERALIZED LINEAR MIXED MODEL是要做random effect吗？我觉得一共才
measure了3次，对random effect有点少？
Orange06，我对这些统计方法真的是不大懂，能给详细说说吗？谢谢！
【在 o******6 的大作中提到】
: 用GENERALIZED LINEAR MIXED MODEL（PROC GLIMMIX)，试试LOG LINK FUNCTION。至于
: MISSING DATA，可以检查一下是不是MCAR。
:
: variable
: distributed,
: two
|
|
|
s*******e
发帖数: 370 | 11 嗯嗯嗯，行家来了！
【在 s*r 的大作中提到】
: 你这个y是什么psychometric score吧
:
: variable
: distributed,
: two
|
s*******e
发帖数: 370 | 12 我记得看过一个文章，说这种情况要引入一个什么latent variable，在搞一个什么不
同的link function去克服这种情况。
但是没有看懂怎么实现的，也没有给出code。
【在 s*r 的大作中提到】
: 你这个y是什么psychometric score吧
:
: variable
: distributed,
: two
|
s*r
发帖数: 2757 | 13 你去看看其他人怎么分析的
很多时候ordinal的data是可以相减的
很多时候visit wise score是不normal的，但是change from baseline是normal的
很多时候大家根本不管missing mechanism，
要管起来就麻烦了，可以同时model你的data和missing status, (shared-parameter
model)
【在 s*******e 的大作中提到】
: 嗯嗯嗯，行家来了！
|
s*******e
发帖数: 370 | 14 谢谢sir！
嗯，我看过其他的paper，很多用random effect,不过人家measure的次数要多一些。关
于missing data，很少看到管missing mechanism的，但是一般会讨论一下missing
data的影响。
我去看看你说的shared-parameter model，以前没听过呢。
我有看到有用inverse probability weighting来看missing data对结果的影响的，但
是我的数据baseline就有missing data，这个能做IPW吗？
【在 s*r 的大作中提到】
: 你去看看其他人怎么分析的
: 很多时候ordinal的data是可以相减的
: 很多时候visit wise score是不normal的，但是change from baseline是normal的
: 很多时候大家根本不管missing mechanism，
: 要管起来就麻烦了，可以同时model你的data和missing status, (shared-parameter
: model)
|
c********d
发帖数: 253 | 15 GEE要求missing data的mechanism一定的是MCAR，MCAR可以用model去test，简单来说
就是假设missing依赖于一些observed的covariates，然后建一个logistic model，
regress missing indicator against these covariates，然后test 这些covariates
的coefficients是否为０，为０的话就是MCAR。照你的情况，你就regress missing
indicator against time and x就好了。如果你想做prediction，用random effect
model比较好，否则还是GEE吧，毕竟GEE是semi－parametric的，assumption少一些。 |
s*******e
发帖数: 370 | 16 多谢剑神！
我也是打算用GEE，我不做prediction，只看是不是有association。
请问怎么做regress missing indicator agaist time and x呢？
是不是设立一个indicator （missing or not missing), 然后呢？
covariates
【在 c********d 的大作中提到】
: GEE要求missing data的mechanism一定的是MCAR，MCAR可以用model去test，简单来说
: 就是假设missing依赖于一些observed的covariates，然后建一个logistic model，
: regress missing indicator against these covariates，然后test 这些covariates
: 的coefficients是否为０，为０的话就是MCAR。照你的情况，你就regress missing
: indicator against time and x就好了。如果你想做prediction，用random effect
: model比较好，否则还是GEE吧，毕竟GEE是semi－parametric的，assumption少一些。
|
D**g
发帖数: 739 | 17 只看association的话，倒过来做，用y model x, mixed model 的ml 方法，可以允许
mar
【在 s*******e 的大作中提到】
: 多谢剑神！
: 我也是打算用GEE，我不做prediction，只看是不是有association。
: 请问怎么做regress missing indicator agaist time and x呢？
: 是不是设立一个indicator （missing or not missing), 然后呢？
:
: covariates
|
o******6
发帖数: 538 | 18 碰到RIGHT-SKEWED DATA，一般情况都是用SQUARE ROOT, CUBE ROOT，LOG
TRANSFORMATIONS来满足NORMAL ASSUMPTION,你可以用BOX COX TRANSFORMATION（PROC
TRANSREG)看到底该使用哪种TRANSFORMATION，这样如果你不熟悉PROC GLIMMIX，可以
TRANSFORM数据后用PROC MIXED PROCEDURE。
MCAR TEST有几种，班上有人提到的一种我上课的时候也用到过（见LOGISTIC
REGRESSION MODEL,吧其他Y和COVARIATES作为INDEPENDENT VARIABLES。。。) ，另外
你也可以GOOGLE LITTLE'S MCAR TEST。
【在 s*******e 的大作中提到】
: Orange06,谢谢你的建议。
: 可以大概说说怎么check是不是MCAR吗？
: 另外为什么用Log link function呢？
: 另外用GENERALIZED LINEAR MIXED MODEL是要做random effect吗？我觉得一共才
: measure了3次，对random effect有点少？
: Orange06，我对这些统计方法真的是不大懂，能给详细说说吗？谢谢！
|
h*t
发帖数: 187 | 19 1. missing的问题
（1）检测是MCAR还是MAR，如果是Monotonic missing，可以用logistic regression
来检测
（2）IPW的方法一般也是在MMDP的情况下好用
2. model选择的问题
（1）link function的选择
如果是count data，可以试试log link；如果ceiling现象很明显，可以作为
binomial data，试试logit link。
（2）用GEE的话，weight GEE是把IPW的方法扩展到GEE里面
用GLMM的话，因为是likelihood based的方法，对missing更加robust一些。
3.软件方面
如果用GLMM又用logit link的话，推荐不用SAS Procedure GLIMMIX，而用NLMIXED，
原因可参见Statistics in Medicine 30:2562-2572, 2011 |
c********d
发帖数: 253 | 20 你就把missing indicator对那些covariates做logistic regression,test 各
covariates的系数是否为0. 另外，确实mixed model对missing data处理更方便一些，
因为mar请况也适用，但问题是mar和nmar都是not testable的。 |
|
|
j**********i
发帖数: 3758 | 21 skew的情况多了，random也会死人。
missing data 靠的是经验。算什么random？ |
c*****l
发帖数: 1493 | 22 re sir
random effects+missing的paper多得很。
【在 s*******e 的大作中提到】
: 谢谢sir！
: 嗯，我看过其他的paper，很多用random effect,不过人家measure的次数要多一些。关
: 于missing data，很少看到管missing mechanism的，但是一般会讨论一下missing
: data的影响。
: 我去看看你说的shared-parameter model，以前没听过呢。
: 我有看到有用inverse probability weighting来看missing data对结果的影响的，但
: 是我的数据baseline就有missing data，这个能做IPW吗？
|
s*******e
发帖数: 370 | 23 谢谢大家的帮助！我会好好看大家的回答，争取早点解决这个问题。
非常感谢！！！ |
