Hasan ÖNDER, Ercan SOYDAN, Mustafa OLFAZ

Comparison of working correlation matrices in generalized estimating equations for animal data

Deneysel hayvancılık bilimleri çoğu kez üzerinde çalışılan kesikli yanıt değişkeni üzerine etki eden açıklayıcı değişken kümesinin etkilerinin tahmini konu edinmektedir. Bu çalışma, hayvancılık alanından elde edilen kesikli bir veri kümesi ile genelleştirilmiş tahmin denklemlerinin kullanımını açıklamaktadır. Tekrar eden ölçüm içeren verilerde farklı korelasyon yapıları farklı sonuçlar üretebilmektedir. Bu çalışmada, hangi korelasyon yapısının hayvancılık çalışmalarına daha uygun olabileceği arştırılmıştır. Beş farklı korelasyon yapısı, tekrarlanan ölçümlü veri kümesi üzerinde genelleştirilmiş tahmin denklemleri için karşılaştırılmıştır. Çalışmada sonuç olarak, bağımsız ve değişebilir korelasyon yapılarının en düşük QIC değerine sahip olmaları nedeni ile biyolojik çalışmalarda kesikli veri kümelerinin analizi için önerilebilir olduğu anlaşılmıştır.

Hayvancılık verileri için genelleştirilmiş tahmin denklemlerinde varsayılan korelasyon matrislerinin karşılaştırılması

Experimental animal science is often interested in estimating the effects of some set of explanatory variables on a categorical response variable on interest. This study demonstrates the use of generalized estimating equations (GEE) with use of categorical data taken from an animal research. It is known that different correlation structures can yield different results when the data has repeated measurements. The aim of this study was to determine which correlation structure has more appropriate the animal science. Five different correlation structures were compared on data with repeated measurements for GEE. As result of this study, Independent and exchangeable correlation structures can be recommended to analyze the categorical data sets for biological sciences because of the lowest QIC values.

PDF

___

Abdel-Aty, M, Abdalla, M. F., 2004, Modeling Drivers’ Diversion from Normal Routes under ATIS Using Generalized Estimating Equations and Binomial Probit Link Function. Transportation 31: 327 – 348.
Carl, G., Kühn, I., 2007, Analyzing Spatial Autocorrelation in Species Distributions Using Gaussian and Logit Models. Ecological Modelling. 207: 159 – 170.
Hadgu, A, Koch, G., 1999, Application of Generalized Estimating Equations to a Dental Randomized Clinical Trial. Journal of Biopharmaceutical Statistics. 9(1): 161 – 178.
Hammill, B.G., Preisser, J.S., 2006, A SAS/IML Software Program for GEE and Regression Diagnostics. Computational Statistics & Data Analysis. 51: 1197 – 1212.
Hosmer, D. W., Lemeshow, S., 2000, Applies Logistic Regression: Second Edition. John Willey & Sons, Inc. New York. 375 page.
Hwang, H., Takane, Y., 2005, Estimation of Growth Curve Models with Structured Error Covariances by Generalized Estimating Equations. Behaviormetrica. 32(2): 155 – 163.
Pan, W., Connett, J. E., 2002, Selecting the Working Correlation Structure in Generalized Estimating Equations with Application to the Lung Health Study. Statistica Sinica 12: 475 – 490.
Paradis, E., Claude, J., 2002, Analysis of Comparative Data Using Generalized Estimating Equations. J. Ther. Biol. 218: 175 – 185.
Park, T., Shin, D., 1999, On the Use of Working Correlation Matrices in the GEE Approach for Longitudinal Data. Commun. Statist. – Simula. 28(4): 1011 – 1029.
Reboussin, B.A., Lohman, K.K., Wolfson, M., 2006, Modeling Adolescent Drug-Use Patterns in Cluster-Unit Trials with Multiple Sources of Correlation Using Robust Latent Class Regressions. AEP. 16(11): 850 – 859.
Sturdivant, R. X., Hosmer, D. W., 2007, A Smoothed Residual Based Goodness-Of-Fit Statistic for Logistic Hierarchical regression Models. Computatioan Statistic & Data Analysis. 51: 3898 – 3912.
Ward, P., Myers, R.A., 2007, Bait Loss and Its Potential Effects on Fishing Power in Pelagic Longline Fisheries. Fisheries Research. 86: 69 – 76.
Zeger, S. L., Liang, K. Y., 1986, Longitudinal Data Analysis for Discrete and Continuous Outcomes. Biometrics, 42: 121 – 130.
Zorn, C. J. W., 2001, Generalized Estimating Equation Models for Correlated Data: A Review with Applications. American Journal of Political Science, 45(2): 470 – 490.