مدل بندی رگرسیونی چندکی آمیخته تاوانیده از طریق رویکرد درستنمایی

مدل اثرهای آمیخته از جمله ابزارهای قوی آماری است که برای مدل بندی ارتباط بین متغیر پاسخ و متغیرهایتبیینی در تحلیل داد ه های طولی به کار می رود. بیشتر روش های برآورد در این مدل ها یا با رویکرد کمترین مربعاتخطاها یا برمبنای تابع درستنمایی انجام می شوند. کارایی برآوردگرهای به دست آمده با استفاده از این روش ها زمانی کهخطاها توزیعی غیر از نرمال دارند کاهش می یابد. در این گونه مواقع می توان از رگرسیون چندکی آمیخته به عنوانجایگزین استفاده کرد. زمانی که تعداد متغیرهای مورد بررسی در این نوع مدل بندی افزایش می یابد، رگرسیون چندکیآمیخته تاوانیده یکی از بهترین روش ها برای افزایش دقت پیشگویی و تفسیرپذیری است. در این مقاله نشان دادهخواهد شد درنظر گرفتن توزیع لاپلاس نامتقارن برای اثرهای تصادفی روشی معادل با کمینه سازی تابع زیان تاوانیدهاست. کلیه مباحث مطرح شده در آزمایششبیه سازی آماری مورد ارزیابی قرار گرفته و تحلیل نتایج حاصل ارائه می شود.

to model penalized mixed effects quantile regression through themaximum likelihood approach

the mixed effects model is one of the powerful statistical approaches used tomodel the response variable given the explanatory variables in longitudinal data. the estimationin these models is based on either the least squares error or maximum likelihood approach.however, they would be inadequate if the errors distributions are not approximatelynormal. in such cases, mixed effects quantile regression can be used. when the number ofvariables studied increases, the penalized mixed effects quantile regression is one of the bestways to increase predictive accuracy and interpretability. in this paper, we show that assumingan asymmetric laplace distribution for random effects is equivalent to the minimizationof the objective function. all discussed issues are evaluated in simulation studies and theanalysis of the results is presented.