رهیافت بیزی برای تحلیل داده‌های شمارشی در مطالعات طولی با استفاده از مدل پواسون-لگ‌گامای تعمیم‌یافته

در تحلیل داده‌های طولی با پاسخ شمارشی معمولاً از مدل اثرهای تصادفی پواسون یا دوجمله ای منفی با فرض توزیعی نرمال برای آنها استفاده می‌شود. ممکن است در برخی از کاربردها، توزیع اثرهای تصادفی نرمال نباشد. این در حالی است که بدمشخص‌سازی توزیع اثرهای تصادفی ممکن است باعث کاهش کارایی برآوردگرهای موجود شود. در این مقاله از توزیع لگ‌گامای تعمیم‌یافته که توزیع نرمال را به عنوان یک حالت خاص در بردارد، به عنوان فرض توزیعی اثرهای تصادفی استفاده شده است. از آنجا که تحلیل فراوانی‌گرای مدل با محاسبات پیچیده مواجه است، تحلیل بیزی این مدل معرفی و برای تحلیل چندین مجموعه‌ی داده‌های واقعی استفاده می‌شود. همچنین در یک مطالعه‌ی شبیه‌سازی عملکرد مدل‌ پیشنهادی مورد ارزیابی قرار گرفته است.

Bayesian paradigm for analysing count data in longitudina studies using Poisson-generalized log-gamma model

In analyzing longitudinal data with counted responses, normal distribution is usually used for distribution of the random efffects. However, in some applications random effects may not be normally distributed. Misspecification of this distribution may cause reduction of efficiency of estimators. In this paper, a generalized loggamma distribution is used for the random effects which includes the normal one as a special case. As the frquentist analysis faces with complex computation, the Bayesian analysis of this model is investigated and then it is utilized for analyzing two real data sets. Also, some simulation studies are conducted to evaluate the performance of the relevant models.