home *** CD-ROM | disk | FTP | other *** search
/ NetNews Usenet Archive 1992 #26 / NN_1992_26.iso / spool / bit / listserv / statl / 1957 < prev    next >
Encoding:
Text File  |  1992-11-13  |  3.6 KB  |  72 lines
  1. Comments: Gated by NETNEWS@AUVM.AMERICAN.EDU
  2. Path: sparky!uunet!europa.asd.contel.com!paladin.american.edu!auvm!NIOBBS1.EM.CDC.GOV!SIS1
  3. Return-Receipt-To: <sis1@NIOBBS1.EM.CDC.GOV>
  4. Encoding: 63 TEXT
  5. X-Mailer: Microsoft Mail V3.0 (beta-2)
  6. Message-ID: <2B0267C5@router.em.cdc.gov>
  7. Newsgroups: bit.listserv.stat-l
  8. Date:         Thu, 12 Nov 1992 18:11:00 EST
  9. Sender:       "STATISTICAL CONSULTING" <STAT-L@MCGILL1.BITNET>
  10. From:         sis1@NIOBBS1.EM.CDC.GOV
  11. Subject:      Categorical data with repeated measures.
  12. Lines: 58
  13.  
  14. Walter R. Pirie writes
  15.  
  16. > Does anyone know anything that's been done on repeated measures in
  17. > categorical data? It's a problem that occurs fairly often and seems
  18. > difficult to deal with.
  19.  
  20. The definitive approach, as I have heard from many sources, is Generalized
  21. Estimating Equations (GEE).  The primary references are:
  22.  
  23.      Liang and Zeger "Longitudinal data analysis using generalized linear
  24.      models" Biometrika (1986):73;13-22.
  25.  
  26.      Zeger and Liang "Longitudinal Data Analysis for Discrete and Continuous
  27.      Outcomes" Biometrics (1986):42;131-130.
  28.  
  29. A lot has been published since then, so you might want to check a citation
  30. index.  SPIDA can do this analysis; and macros for GEE are written for S and
  31. for SAS.  The GEE model can handle time-varying covariates very nicely, but
  32. cannot handle large numbers of repeated measures per subject (some of my data
  33. sets have 200 measures per subject).  It can handle unequal numbers of
  34. repeated measures per subject.
  35.  
  36. Another approach, which is actually better for clustered data than for
  37. repeated measures, is the random effects model.  This includes the
  38. beta-binomial model, which has been known for a long time, and the
  39. normal-logistic model which was developed recently.  This appears to be good
  40. for large number of repeated measures and for unequal numbers of repeated
  41. measures per subject.  I don't think it allows for time varying covariates.
  42. I don't have a reference, but the Egret software package does these analyses.
  43.  
  44. The CATMOD procedure in SAS (as mentioned by someone else on this list) is a
  45. weighted least squares approach that typically falls apart when there are
  46. small expected counts and/or zero counts.  Also, I don't think this approach
  47. can handle unequal numbers of repeated measures per subject.
  48.  
  49. Kleinbaum and Kupper give a very nice short course on this subject, and much
  50. of the material I am quoting I learned during the course.  I hope I got it
  51. right.
  52.  
  53. * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *
  54. *  Steve Simon, Mail Stop C-22          *  Delivering on the  *
  55. *  Chief, Statistics Activity           *  nation's promise:  *
  56. *  National Institute for Occupational  *  safety and health  *
  57. *    Safety and Health                  *  at work for all    *
  58. *  4676 Columbia Parkway                *  people...through   *
  59. *  Cincinnati, OH 45226                 *  prevention.        *
  60. *                                       *                     *
  61. *  513-533-8271 (office)                *  NIOSH vision       *
  62. *  513-533-8510 (FAX)                   *  statement          *
  63. * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *
  64. *  SMTP gateway to Internet                                   *
  65. *     sis1@niobbs1.em.cdc.gov                                 *
  66. *  X400 gateway to Internet                                   *
  67. *     hhscdc!sis1/o=cdc/ou=cinc/ou=niobbs1@mhs.attmail.com    *
  68. *                                                             *
  69. *  Views expressed here are my own.  Mention of a product or  *
  70. *  company name does not constitute an endorsement by NIOSH.  *
  71. * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *
  72.