EM-REML estimation of covariance parameters in Gaussian mixed models for longitudinal data analysis
Résumé
This paper presents procedures for implementing the EM algorithm to compute REML estimates of variance covariance components in Gaussian mixed models for longitudinal data analysis. The class of models considered includes random coefficient factors, stationary time processes and measurement errors. The EM algorithm allows separation of the computations pertaining to parameters involved in the random coefficient factors from those pertaining to the time processes and errors. The procedures are illustrated with Pothoff and Roy's data example on growth measurements taken on 11 girls and 16 boys at four ages. Several variants and extensions are discussed.
Estimation EM-REML des paramètres de covariance en modèles mixtes gaussiens en vue de l'analyse de données longitudinales. Cet article présente des procédés permettant de mettre en œuvre l'algorithme EM en vue du calcul d'estimations REML des composantes de variance covariance en modèles mixtes gaussiens d'analyse de données longitudinales. La classe de modèles considérée concerne les coefficients aléatoires, les processus temporels stationnaires et les erreurs de mesure. L'algorithme EM permet de dissocier formellement les calculs relatifs aux paramètres des coefficients aléatoires de ceux impliqués dans les processus et la résiduelle. Ces méthodes sont illustrées par un exemple provenant de Pothoff et Roy sur des mesures de croissance prises sur 11 filles et 16 garçons à quatre âges différents. On discute enfin plusieurs variantes et extensions de cette méthode.
Origine : Accord explicite pour ce dépôt
Loading...