Estimating the Simultaneous Association Marginal Model for Longitudinal Data with Missingness: A Simulation Study
| المصدر: | مجلة كلية التجارة للبحوث العلمية |
|---|---|
| الناشر: | جامعة الإسكندرية - كلية التجارة |
| المؤلف الرئيسي: | El-Zayat, Mahi Mohssen Younes Mohamed (Author) |
| مؤلفين آخرين: | Halawa, Adel M. (Co-Author) , El-Attar, Labiba (Co-Author) , Hassan, Emtissal Mohamed (Co-Author) |
| المجلد/العدد: | مج56, ع4 |
| محكمة: | نعم |
| الدولة: |
مصر |
| التاريخ الميلادي: |
2019
|
| الشهر: | اكتوبر |
| الصفحات: | 205 - 228 |
| DOI: |
10.21608/ACJ.2019.61925 |
| ISSN: |
1110-7588 |
| رقم MD: | 1032072 |
| نوع المحتوى: | بحوث ومقالات |
| اللغة: | الإنجليزية |
| قواعد المعلومات: | EcoLink |
| مواضيع: | |
| كلمات المؤلف المفتاحية: |
نماذج الإقتران A | النماذج الهامشية M | نماذج الإقتران - الهامشية الآنية AM | البيانات المفقودة MS | بيانات الترتيب | الدالة المركبة | النماذج الخطية المعممة GLM | تحليل البيانات الكاملة CC | الإحلال بالمنوال | وضع أخر مشاهدة LOCF | وضع اقرب مشاهدة مجاورة KNNI | الإحلال بمشاهدات متعددة MI | بيانات طويلة | Association Model "A" | Marginal Model "M" | Simultaneous AM Model | Missing Data "MS" | Ordinal Data | Composite Link Function | Generalized Linear Models "GLM" | CC | Mode Imputation | LOCF | KNNI | MI | Longitudinal Studies
|
| رابط المحتوى: |
الناشر لهذه المادة لم يسمح بإتاحتها. |
| LEADER | 06493nam a22002777a 4500 | ||
|---|---|---|---|
| 001 | 1769323 | ||
| 024 | |3 10.21608/ACJ.2019.61925 | ||
| 041 | |a eng | ||
| 044 | |b مصر | ||
| 100 | |9 559370 |a El-Zayat, Mahi Mohssen Younes Mohamed |e Author | ||
| 245 | |a Estimating the Simultaneous Association Marginal Model for Longitudinal Data with Missingness: |b A Simulation Study | ||
| 260 | |b جامعة الإسكندرية - كلية التجارة |c 2019 |g اكتوبر | ||
| 300 | |a 205 - 228 | ||
| 336 | |a بحوث ومقالات |b Article | ||
| 520 | |a يعتمد النموذج الخطى في التقدير على التوزيع الطبيعي لمتغيرات الاستجابة ولكن في كثير من الأحيان قد لا يحدث ذلك كما في حالة المتغيرات ذات الفئات. فقد تم التوصل في السنوات الماضية إلى فئة النماذج الخطية المعممة (GLMS) التي قدمت العديد من النماذج الهامة التي يمكن أن تستخدم لتحليل المتغيرات ذات الفئات مثل نموذج اللوجت ونموذج اللوغاريتمي الخطي. قدم Rindskopf طريقة لتحليل المتغيرات ذات الفئات في حالة وجود بيانات مفقودة (MS) في متغير واحد أو أكثر اعتمادا على النماذج الخطية المعممة. كما قدم Lang and Eliason التفاعلات بين متغيرات الاستجابة والتوزيعات الهامشية انيا باستخدام نموذج الاقتران – الهامشي Association-Marginal)). يتكون نموذج الاقتران – الهامشي من نموذجين: نموذج الاقتران (A) لوصف التفاعل والعلاقة بين المتغيرات وله رابطة لوغاريتمية يعتمد النموذج الخطي في التقدير على التوزيع الطبيعي لمتغيرات الاستجابة. ولكن في كثير من الأحيان قد لا يحدث ذلك كما في حالة المتغيرات ذات الفئات. فقد تم التوصل في السنوات الماضية إلى فئة النماذج الخطية المعممة (GLMs) التي قدمت العديد من النماذج الهامة التي يمكن أن تستخدم لتحليل المتغيرات ذات الفئات مثل نموذج اللوجت والنموذج الهامشي (M) لوصف التوزيعات الهامشية للمتغيرات التابعة وله رابطة اللوجت. بذلك يحتوى نموذج الاقتران – الهامشي (AM) على رابطة مركبة تحتوى على الرابطة اللوغاريتمية ورابطة اللوجت. أوضح Lang and Eliason أن نموذج لاقتران – الهامشي يعتبر مناسبا في حالة جدول اقتران به العديد من الخلايا الصفرية. تعتبر البيانات المفقودة مشكلة كبرى لكثير من الباحثين ومحللي البيانات. البيانات المفقودة تؤدي إلى نقص في حجم العينة وبالتالي نقص في الكفاءة الإحصائية للنموذج. ومن هنا تتلخص مشكلة البحث في التوصل لنموذج لوصف التفاعلات بين المتغيرات التابعة والتوزيعات الهامشية انيا باستخدام نموذج الاقتران-الهامشي وذلك في ظل وجود بيانات مفقودة (AM- MS). | ||
| 520 | |b This paper introduces and applies a new model that describes simultaneously the association structure (A) with the marginal distributions (M) of the responses for longitudinal data in the presence of missing data (MS) through a composite link. This new model (AM-MS) is of great importance where it is applicable for large and sparse tables. In addition it can also be used for fitting log linear models to contingency tables with missing data (MS), fitting log linear models with some variables more finely categorized for some units than other units (sparse tables) and fitting models with various assumptions about the missing data mechanisms either MCAR, MAR or NMAR. A simulation study is conducted to apply this new idea, under various situations including (missing mechanisms, missing rates and five methods for handling missing data). The goodness-of-fit test statistics and the number of adjusted residuals greater than 2 are used as evaluation criteria. The results showed that after analyzing and estimating the AM model with MS for MCAR with low missing rate, the best method for handling MS to estimate the AM model is LOCF while with high missing the best method for handling MS to estimate the AM model is the mode imputation method. For MAR the best method for handling MS is MI. But for NMAR with low missing rate, the best method for handling MS is also the LOCF method while for NMAR with high missing the best method for handling MS is the mode imputation method. | ||
| 653 | |a النماذج الهامشية |a المنوال |a تحليل البيانات |a علم الرياضيات | ||
| 692 | |a نماذج الإقتران A |a النماذج الهامشية M |a نماذج الإقتران - الهامشية الآنية AM |a البيانات المفقودة MS |a بيانات الترتيب |a الدالة المركبة |a النماذج الخطية المعممة GLM |a تحليل البيانات الكاملة CC |a الإحلال بالمنوال |a وضع أخر مشاهدة LOCF |a وضع اقرب مشاهدة مجاورة KNNI |a الإحلال بمشاهدات متعددة MI |a بيانات طويلة |b Association Model "A" |b Marginal Model "M" |b Simultaneous AM Model |b Missing Data "MS" |b Ordinal Data |b Composite Link Function |b Generalized Linear Models "GLM" |b CC |b Mode Imputation |b LOCF |b KNNI |b MI |b Longitudinal Studies | ||
| 773 | |4 إدارة الأعمال |6 Business |c 007 |e Journal of the Faculty of Commerce for Scientific Research |f Maǧallaẗ Kulliyyaẗ Al-Tiǧāraẗ li-l-Buḥūṯ Al-ʿilmiyyaẗ |l 004 |m مج56, ع4 |o 1049 |s مجلة كلية التجارة للبحوث العلمية |v 056 |x 1110-7588 | ||
| 700 | |9 342770 |a Halawa, Adel M. |e Co-Author | ||
| 700 | |9 559376 |a El-Attar, Labiba |e Co-Author | ||
| 700 | |9 339177 |a Hassan, Emtissal Mohamed |e Co-Author | ||
| 856 | |u 1049-056-004-007.pdf |n https://acjalexu.journals.ekb.eg/article_61925.html | ||
| 930 | |d n |p y | ||
| 995 | |a EcoLink | ||
| 999 | |c 1032072 |d 1032072 | ||
عناصر مشابهة
-
Handling Missing Data in the Association Marginal Model through Longitudinal Data Analysis: A Simulation Study
بواسطة: El-Zayat, Mahi Mohssen Younes Mohamed منشور: (2019) -
Longitudinal Data Analysis Analysis Using the Mixture Transition Distribution Model
بواسطة: Takia, Al Biomy Awad Awad منشور: (2009) -
Random Effects Modelling for Prediction from Incomplete Longitudinal Data
بواسطة: Al Aboud, Fahad M. منشور: (1997) -
Evaluating the Efficiency of Restricted Pseudo Likelihood Estimation in Balanced and Unbalanced Clustered Binary Data Models
بواسطة: El- Saeiti, Intesar N. منشور: (2023) -
Multilevel Models: An Application to Longitudinal Data in a Medical Investigation
بواسطة: Al-Tayeb, Lobna Eid منشور: (2022)
