纵向数据的现代分析方法及其功能、说明和注意事项（英文）

纵向研究可用于精神卫生及其服务领域的科研中。纵向数据分析的主要方法是广义线性混合效应模型(GLMM)和加权广义估计方程(WGEE)。虽然这两个模型已被广泛应用,也有大量文献发表,但是人们并没有清晰地描述这些方法间的差别以及方法本身的局限性,缺少相关的文献记录。遗憾的是,有些差别和局限性会明显影响对研究结果的报告、比较和解释。本文回顾了纵向数据分析的两种主要方法,强调两者的相似之处和主要差别。我们使用真实数据和模拟数据着重比较这两类模型的假设、对参数的解释、适用性和局限性,并讨论了将这两种不同的方法用于真实数据研究时的注意事项,提出了相关的警示。

纵向单调缺失数据下线性模型的二次推断函数估计

纵向数据缺失的情况常常发生,文章考虑响应变量带有单调缺失的纵向数据.在逆概率加权广义估计方程(IPWGEE)的基础上,采用二次推断函数(QIF)方法研究线性模型下回归参数的估计问题.在一定的正则条件下,证明了所得估计量的相合性和渐近正态性.最后,通过模拟研究和实例分析验证了所提出方法在有限样本下的实际表现.