Dynamic Mixed Models for Familial Longitudinal Data

این کتاب پایه‌ای نظری برای تجزیه و تحلیل داده‌های گسسته مانند شمارش و داده‌های باینری در تنظیم طولی فراهم می‌کند. برخلاف کتاب‌های موجود، این کتاب از کلاسی از ساختارهای همبستگی خودکار برای مدل‌سازی همبستگی‌های طولی برای داده‌های گسسته مکرر استفاده می‌کند که همه مدل‌های همبستگی خودکار نوع گاوسی ممکن را به‌عنوان موارد خاص از جمله مدل‌های همبستگی همبستگی در خود جای می‌دهد. این رویکرد مدل‌سازی پویا جدید برای توسعه تکنیک‌های استنتاج از لحاظ نظری درست مانند تکنیک شبه احتمال تعمیم‌یافته (GQL) برای تخمین سازگار و کارآمد اثرات رگرسیون زیربنایی درگیر در مدل استفاده می‌شود، در حالی که همبستگی‌های موجود مبتنی بر GEE (تعمیم‌شده) رویکرد
تخمین معادلات) محدودیت‌های نظری جدی هم برای تخمین سازگار و کارآمد دارد و هم رویکرد همبستگی مبتنی بر اثرات تصادفی موجود برای مدل‌سازی همبستگی‌های طولی مناسب نیست. این کتاب تنها برای مدل‌سازی همبستگی‌های داده‌های خانوادگی، از اثرات تصادفی با دقت استفاده کرده است. متعاقباً، این کتاب با استفاده از کلاس ساختارهای همبستگی خودکار مشروط به اثرات تصادفی، همبستگی‌های داده‌های طولی جمع‌آوری‌شده از اعضای تعداد زیادی از خانواده‌های مستقل را مدل‌سازی کرده است. این کتاب همچنین مدل‌ها و استنباط‌هایی را برای داده‌های طولی گسسته در راه‌اندازی کارآزمایی بالینی تطبیقی ​​ارائه می‌کند.
این کتاب از نظر ریاضی دقیق است و جزئیاتی را برای توسعه روش‌های تخمین تحت مدل‌های خانوادگی و طولی انتخاب‌شده ارائه می‌دهد. علاوه بر این، در حالی که کتاب مراقبت‌های ویژه‌ای را برای ریاضیات در پشت مدل‌های همبستگی ارائه می‌کند، همچنین
تصاویر تجزیه و تحلیل آماری داده‌های مختلف زندگی واقعی را ارائه می‌دهد.
این کتاب مورد توجه محققان از جمله دانشجویان تحصیلات تکمیلی در آمار زیستی و اقتصاد سنجی، در میان سایر زمینه های تحقیقات آمار کاربردی خواهد بود.
براجندرا سوترادار، استاد پژوهشی دانشگاه در دانشگاه مموریال در سنت جان، کانادا است. او یکی از اعضای منتخب موسسه بین المللی آمار و عضو انجمن آمار آمریکا است. او حدود 110 مقاله در مجلات آماری در زمینه تحلیل چند متغیره، تحلیل سری های زمانی شامل پیش بینی، نمونه گیری، تجزیه و تحلیل بقا برای زمان های شکست همبسته، استنتاج قوی در مدل های مختلط خطی تعمیم یافته با نقاط پرت، و مدل های ترکیبی طولی خطی تعمیم یافته با زیستی منتشر کرده است. کاربردهای آماری و اقتصادسنجی او شش سال در مجله آمار کانادا و به مدت چهار سال برای مجله آمار زیست محیطی و اکولوژیکی به عنوان سردبیر کار کرده است. او به مدت 3 سال به عنوان عضو کمیته مشاوره در مورد روش های آماری در اداره آمار کانادا خدمت کرده است. پروفسور Sutradhar در سال 2007 جایزه خدمات برجسته انجمن آمار کانادا را به دلیل خدمات چندین ساله او به این جامعه
از جمله خدمات ویژه او برای جلسات سالانه جامعه دریافت کرد.

This book provides a theoretical foundation for the analysis of discrete data such as count and binary data in the longitudinal setup. Unlike the existing books, this book uses a class of auto-correlation structures to model the longitudinal correlations for the repeated discrete data that accommodates all possible Gaussian type auto-correlation models as special cases including the equi-correlation models. This new dynamic modelling approach is utilized to develop theoretically sound inference techniques such as the generalized quasi-likelihood (GQL) technique for consistent and efficient estimation of the underlying regression effects involved in the model, whereas the existing ‘working’ correlations based GEE (generalized
estimating equations) approach has serious theoretical limitations both for consistent and efficient estimation, and the existing random effects based correlations approach is not suitable to model the longitudinal correlations. The book has exploited the random effects carefully only to model the correlations of the familial data. Subsequently, this book has modelled the correlations of the longitudinal data collected from the members of a large number of independent families by using the class of auto-correlation structures conditional on the random effects. The book also provides models and inferences for discrete longitudinal data in the adaptive clinical trial set up.
The book is mathematically rigorous and provides details for the development of estimation approaches under selected familial and longitudinal models. Further, while the book provides special cares for mathematics behind the correlation models, it also presents the
illustrations of the statistical analysis of various real life data.
This book will be of interest to the researchers including graduate students in biostatistics and econometrics, among other applied statistics research areas.
Brajendra Sutradhar is a University Research Professor at Memorial University in St. John’s, Canada. He is an elected member of the International Statistical Institute and a fellow of the American Statistical Association. He has published about 110 papers in statistics journals in the area of multivariate analysis, time series analysis including forecasting, sampling, survival analysis for correlated failure times, robust inferences in generalized linear mixed models with outliers, and generalized linear longitudinal mixed models with bio-statistical and econometric applications. He has served as an associate editor for six years for Canadian Journal of Statistics and for four years for the Journal of Environmental and Ecological Statistics. He has served for 3 years as a member of the advisory committee on statistical methods in Statistics Canada. Professor Sutradhar was awarded 2007 distinguished service award of Statistics Society of Canada for his many years of services to the
society including his special services for society’s annual meetings.