روش معادلات برآوردگر تعميم‌يافته استوار و كاربرد آن در مدل‌هايي با برآمدهاي دودويي همبسته

Robust Generalized Estimating Equations Method and its Application in Correlated Binary Outcomes Models

روش معادلات برآوردگر تعمیم‌یافته توسط لیانگ و زیگر (1986) به عنوان روشی برای تسهیل در تحلیل داده‌های جمع‌آوری شده به صورت طولی، آشیانه‌ای و اندازه‌های مكرر معرفی شد. این روش از مدل خطی تعمیم‌یافته برای برآوردهایی كارا و نااریب پارامترهای رگرسیونی نسبت به برآورد ضرایب رگرسیونی در مدل‌های خطی تعمیم‌یافته، هنگامی‌كه همبستگی نامشخصی در میان مشاهدات موجود باشد، استفاده می‌كند. این روش در رابطه با داده‌‌های دورافتاده متاثر شده و كارایی خود را از دست می‌دهد. لذا به منظور كاهش اثرات این دسته از مشاهدات، روش‌های استوارسازی معادلات برآوردگر تعمیم‌یافته را برای دو كلاس شوئیپ و مالوس معرفی كرده و سپس آنها را با استفاده از روش‌های شبیه‌سازی برای مدل‌هایی با برآمدهای دودویی همبسته مورد بحث و بررسی قرار می‌دهیم.

The generalized estimating equations method of Liang and Zeger (1986) facilitates analysis of data collected in longitudinal, nested, or repeated measures designs. GEEs use the generalized linear model to estimate more efficient and unbiased regression parameters relative to ordinary least squares regression when there is unkown correlation among the observations. This method can be highly influenced by the presence of outliers and looze its efficiency. To reduce the effects of these data a robustified generalized estimating equations for Schweppe and Mallos classes are introduced. Then we will compare these procedures with the unrobused GEE by simulation studies for correlated binary outcomes models.