مدل‌سازی داده‌های چندمتغیره طولی با استفاده از توابع مفصل جفتی واین

در برخی مطالعات پزشکی ممکن است چندین اندازه‌گیری بر روی هر بیمار داشته باشیم. گاهی این داده‌های طولی ممکن است برای چندین متغیر پاسخ اندازه‌گیری شود، در این حالت اگر چه می‌توان پاسخ‌ها را به صورت مجزا مدل‌بندی کرد اما چنین رویکردی موجب کاهش توان و کارایی در برآورد اثرات متغیرهای کمکی روی متغیر پاسخ می‌گردد. در چنین مدل‌هایی علاوه بر تحلیل وابستگی بین اندازه‌های مکرر مربوط به هریک از متغیرهای پاسخ، وابستگی بین پاسخ‌ها نیز باید مدل شود. از جمله روش‌هایی که در سال‌های اخیر توجه بسیاری از محققان را برای مدل‌سازی داده‌های چند متغیره به خود جلب کرده است، مدل‌سازی داده‌ها با استفاده از تابع مفصل است. از مهمترین مزیت‌های بکارگیری تابع مفصل نسبت به مدل‌سازی چند متغیره طولی داده‌ها به روش کلاسیک این است می‌توان علاوه بر توزیع نرمال هر توزیع دیگری غیر از نرمال را به عنوان توزیع‌های حاشیه‌ای در نظر گرفت. همچنین توزیع‌های حاشیه‌ای حتی می‌توانند توزیع‌های متفاوتی داشته باشند. در شرایطی که داده‌ها ساختاری چند متغیره داشته باشند یکی از راه‌های تشکلیل توزیع‌های چندمتغیره استفاده از مفصل‌های جفتی واین است. ما در این مطالعه با استفاده از تابع مفصل‌های مختلف به کمک مفصل‌های جفتی واین ساختار طولی چندمتغیره‌ای را تشکیل می‌دهیم و این مدل‌ها را با مدل حاصل از از برازش تابع مفصل نرمال چند متغیره مقایسه می‌کنیم. سپس بهترین مدل را با استفاده از معیار اطلاع آکائیک معرفی کرده و در پایان مدل ارائه شده را بر روی داده‌های برآورد اثر تغذیه بر رشد نوزادان به کار خواهیم گرفت.