داده های پانلی
اسلاید 1: Panel & longitudinal dataداده های پانلی و طولیجمیله عبدداوودی-الهه شمس نسیم کرانیزمستان 94-93درس مدل‌های خطی
اسلاید 2: فهرست مقدمه مفاهیم و تعاریف مزایا و معایب داده های طولی و پانلی مدل آمیخته و دلایل استفاده از آن مثالی از مدل آمیخته برآورد پارامترها از طریق نرم افزار SAS منابع
اسلاید 3: مقدمه امروزه داده های پانلی و مدل اثرات آمیخته در بسیاری از علوم اجتماعی و پزشکی ،اقتصاد ،برق و ...کاربرد فراوانی دارند.داده های طولی یا پانلی یک نوع اندازه گیری مکرر بر روی اشیا یا افراد یکسان هستند که در طول زمان اندازه گیری شوند.این اندازه گیری های مکرر بر روی اشیا و افراد باعث ایجاد یک نوع همبستگی درون افراد یا اشیا می‌شود. استفاده کردن از مدل آمیخته یکی از بهترین مدل هایی است که می‌تواند این همبستگی را توجیه وتفسیر کند .
اسلاید 4: مفاهیم و تعاریف انواع داده ها جهت تحلیل تجربی
اسلاید 5: مثال‌هایی از داده‌های طولی و پانلی عبارت اند از: نرخ جرم وجنایت برای 30 استان ایران در یک سال معین، بررسی فشار خون 60 بیماردیابتی در طول چند سال تفاوت بین داده های پانلی و طولی در حوزه مورد مطالعه آنها است. داده های پانلی در علم اقتصاد و داده های طولی در حوزه علوم اجتماعی، پزشکی و کشاورزی استفاده می‌شود. تفاوت دیگر آن است که در داده‌های پانلی لزومی ندارد افراد و اشیا در طول زمان جمع آوری شوند. ولی داده‌های طولی افراد و اشیا باید در طول زمان جمع آوری شوند.
اسلاید 6:
اسلاید 7: مزایا و معایب داده های طولی و پانلی
اسلاید 8: مقایسه نمودارهای مقطعی و طولینمودار طولی نمودار مقطعیاثر سن: این اثر با گذشت زمان درون افراد متفاوت است.اثر گروه: این اثر بین افراد تغییرمی‌کند.در نمودار داده‌های مقطعی اثرات سن و گروه قابل تفکیک نیستند.توانایی خواندنتوانایی خواندن
اسلاید 9:
اسلاید 10: مثال 227کودک که 16 پسر و11دختر هستند را در نظر می گیریم، برای هر کودک فاصله غده هیپوفیز از آرواره زیرین بر حسب mm اندازه گیری شده است. کودکان ازسن 8 سالگی تا سن 14 سالگی هر 2سال مورد آزمایش قرار گرفتند. سوالاتی که در این مثال مطرح می‌شود به صورت زیر است:آیا فاصله غده هیپوفیز از آرواره در طول زمان تغیر می‌کند؟اگر تغییری صورت گرفته باشد از چه الگویی پیروی می‌کند؟آیا این الگو برای دختران وپسران متفاوت است؟
اسلاید 11:
اسلاید 12:
اسلاید 13: چند نکته آماری:1)جهت پیش بینی دقیق تر در مورد یک متغیرو مدل بندی آن میتوان از متغیر های کمکی بهره گرفت واز مدل بندی رگرسیونی استفاده کرد.2)هرواحد آزمایشی از یکدیگر مستقل است ولی مشاهدات تکرار شده برای هر واحد آزمایشی به یکدیگر وابسته است.3)مشاهدات چند گانه از هر واحدآزمایشی داده های طولی را ایجاد می‌کند.4) مدل های رگرسیونی مختلفی برای داده های طولی در نظر گرفته می‌شود که از جمله آنها میتوان به موارد زیر اشاره کرد.Random effects modelsMarginal modelsMarkov transition models
اسلاید 14: برای هر دو گروه دختران و پسران میتوان میانگین های سن 8 را با میانگین‌های سنین 10، 12 و 14 سال مقایسه نمود و برای بررسی برابری میانگین‌ها از آزمون Pair Sample T-test استفاده کرد.
اسلاید 15:
اسلاید 16:
اسلاید 17: دختران پسران
اسلاید 18:
اسلاید 19: مدل بدون درنظر گرفتن اثرات تصادفی
اسلاید 20:
اسلاید 21:
اسلاید 22:
اسلاید 23: برآورد پارامترهای مدل مثال 2 با استفاده از برنامه SAS PROC MIXED METHOD=ML COVTEST;CLASS ID;MODEL DISTANCE=GENDER AGE AGE*GENDER /SOLUTION;RANDOM INTERCEPT AGE/ SUBJECT=ID TYPE=UN G;RUN;
اسلاید 24: و خروجی آن:
اسلاید 25: منابع:Biostatistics short course Introduction to longitudinal studiesZhangsheng Ya An Introduction to Modeling and Analysis of longitudinal dataMarie Davidianپایان نامه با موضوع خوشه بندی مدل –پایه داده های بیان ژن با استفاده از توزیع آمیخته چند متغیره ی) t رویا گوانجی)
نقد و بررسی ها
هیچ نظری برای این پاورپوینت نوشته نشده است.