• Journal of the Korean Data and Information Science Society
• /
• 제19권2호
• /
• pp.413-420
• /
• 2008

This paper suggests a marginal logit mixed-effects for analyzing repeated binary response data. Since binary repeated measures are obtained over time from each subject, observations will have a certain covariance structure among them. As a plausible covariance structure, 1st order auto-regressive correlation structure is assumed for analyzing data. Generalized estimating equations(GEE) method is used for estimating fixed effects in the model.

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 2002년도 춘계학술대회 논문집
• /
• pp.257-260
• /
• 2002

The impressions for odors are subjective and have individual differences. In this study, the Impressions of odors were investigated by covariance structure analysis. 46 subjects (men in their twenty) recorded their reactions to ten odorants by grading them on a seven-point scale in terms of twelve adjective pairs. Their reactions were quantified by using factor analysis and covariance structure analysis. The factors were extracted as "preference", "arousal" and "persistency". The subjects were classified into three groups according to the most suitable causal models (structural equation models). Each group had different causal relationship and different impression structure for odors. It was suggested that there is a possibility to evaluate the subjective impression of odor using covariance structure analysis.

• Communications for Statistical Applications and Methods
• /
• 제20권3호
• /
• pp.235-240
• /
• 2013

Generalized linear mixed models(GLMMs) are frequently used for the analysis of longitudinal categorical data when the subject-specific effects is of interest. In GLMMs, the structure of the random effects covariance matrix is important for the estimation of fixed effects and to explain subject and time variations. The estimation of the matrix is not simple because of the high dimension and the positive definiteness; subsequently, we practically use the simple structure of the covariance matrix such as AR(1). However, this strong assumption can result in biased estimates of the fixed effects. In this paper, we introduce Bayesian modeling approaches for the random effects covariance matrix using a modified Cholesky decomposition. The modified Cholesky decomposition approach has been used to explain a heterogenous random effects covariance matrix and the subsequent estimated covariance matrix will be positive definite. We analyze metabolic syndrome data from a Korean Genomic Epidemiology Study using these methods.

• 응용통계연구
• /
• 제22권6호
• /
• pp.1265-1275
• /
• 2009

본 논문에서는 반복인자가 여러 개인 반복측정자료에 대하여 반복인자간의 상관성을 고려한 복합공분산(composite covariance) 모형을 살펴보았다. 그러나 반복인자가 3개 이상인 경우에는 기존의 통계프로그램을 이용하여 적합하는 것이 불가능하다. 복합공분산 모형을 실제 자료에 적합하기위해 반복인자의 차원을 축소한 모형과 랜덤효과 모형을 이용하여 근사적으로 적합하는 방법을 제시하고 883명으로부터 수집한 반복인자가 3개인 혈압자료에 적용하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제21권1호
• /
• pp.1-9
• /
• 2010

본 논문은 분할구 실험에서 반복측정 요인이 처치의 한 요인으로 고려될 때, 실험자료의 분석을 위한 혼합모형과 모형내 미지모수의 추론을 위한 방법을 논의한다. 반복측정 요인으로 공간요인을 고려하고 공간요인의 수준은 분할구에 할당되나 연구자가 임의로 배정할 수 없는 실험환경이 가정된다. 이러한 실험의 특성을 갖는 자료벡터의 확률분포로 복합대칭의 공분산 구조를 갖는 다변량 정규분포를 논의하고 있다. 또한, 가정된 실험환경에 부합하는 적합한 자료의 예를 통하여 제시된 모형의 타당성과 관련모수들의 추론방법을 다루고 있다.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회 1996년도 추계학술대회발표논문집; 고려대학교, 서울; 26 Oct. 1996
• /
• pp.117-120
• /
• 1996

The objective of this study is to suggest modified Covariance Structure Analysis that combine with existing Multivariate Statistical Method which is used Casual Analysis Method in Management Information. For this purpose, we'll consider special feature and limitation about Correlation Analysis, Regression Analysis, Path Analysis and connect Covariance Structure Analysis with Statistical Factor Analysis so that theoretical casual model compare with variables structure in collecting data. A example is also presented to show the practical applicability of this approach.

• 한국운동역학회지
• /
• 제28권2호
• /
• pp.127-134
• /
• 2018

Objective: In a statistical linear model estimating the center of rotation of a human hip joint, which is the parameter related to the mean of response vectors, assumptions of homoscedasticity and independence of position vectors measured repeatedly over time in the model result in an inefficient parameter. We, therefore, should take into account the variance-covariance structure of longitudinal responses. The purpose of this study was to estimate the efficient center of rotation vector of the hip joint by using covariance pattern models. Method: The covariance pattern models are used to model various kinds of covariance matrices of error vectors to take into account longitudinal data. The data acquired from functional motions to estimate hip joint center were applied to the models. Results: The results showed that the data were better fitted using various covariance pattern models than the general linear model assuming homoscedasticity and independence. Conclusion: The estimated joint centers of the covariance pattern models showed slight differences from those of the general linear model. The estimated standard errors of the joint center for covariance pattern models showed a large difference with those of the general linear model.

• 한국조사연구학회:학술대회논문집
• /
• 한국조사연구학회 2007년도 추계학술대회 발표논문집
• /
• pp.55-65
• /
• 2007

연구에서는 공분산구조분석을 실시하기 위해 주로 사용하고 있는 AMOS 소프트웨어에 대하여 알아보려고 한다. 응용소프트웨어에서 활용된 수학적인 모형을 알지 못하면, 구조방정식에 대한 충분한 이해를 할 수 없으며, 구조방정식에 대한 8가지 가정이 어떻게 구현되는지 알 수 가 없다. 따라서 본 연구에서는 구조방정식모형 연구에서 주로 활용되었던 LISREL 프로그램으로 RAM과 MOSAN을 구현하였고 AMOS 결과와 비교분석하였다. 연구 결과에 따르면 AMOS프로그램은 8가지의 모든 가정을 따르지 않는 것으로 나타났다. AMOS 프로그램이 MOSAN보다는 RAM으로 구현되고 있음을 본 연구를 통해 알 수 있다. AMOS 소프트웨어 프로그램은 잠재변수(F)와 측정오차(e)간의 상관값을 산출할 때 충분히 추정을 하지 못하고 부분적으로만 추정하여 값을 산출하고 있음을 알 수 있었다.

• Communications for Statistical Applications and Methods
• /
• 제24권1호
• /
• pp.81-96
• /
• 2017

Cumulative logit random effects models are typically used to analyze longitudinal ordinal data. The random effects covariance matrix is used in the models to demonstrate both subject-specific and time variations. The covariance matrix may also be homogeneous; however, the structure of the covariance matrix is assumed to be homoscedastic and restricted because the matrix is high-dimensional and should be positive definite. To satisfy these restrictions two Cholesky decomposition methods were proposed in linear (mixed) models for the random effects precision matrix and the random effects covariance matrix, respectively: modified Cholesky and moving average Cholesky decompositions. In this paper, we use these two methods to model the random effects precision matrix and the random effects covariance matrix in cumulative logit random effects models for longitudinal ordinal data. The methods are illustrated by a lung cancer data set.

• 응용통계연구
• /
• 제22권1호
• /
• pp.181-188
• /
• 2009

본 논문은 실험단위들의 구조적 특성으로 지분관계를 갖는 실험을 행해야 하는 경우를 가정한다. 지분계획하에서 처리를 구성하는 요인으로 반복측정 요인을 고려한다. 반복측정 요인의 수준들이 비확률화에 의해 지분구조의 실험단위들에 배정될 때, 비확률화에 따른 실험의 특성을 감안한 모형으로 복합대칭의 공분산 구조하에서 혼합효과 모형을 논의하고 있다. 처리의 일부 요인들이 시간 또는 공간상의 제약으로 인해 지분구조의 실험단위들에 임의적으로 배정될 수 없을 때, 지분구조의 실험단위들에 대한 반응 값들은 어떤 구조적 상관관계를 나타내는 값들로 관측될 수 있음을 예상할 수 있다. 자료의 구조적 상관성을 고려한 공분산 구조하의 선형모형으로 확률요인과 고정요인을 포함하는 혼합효과의 모형을 제시하고 모형내 미지모수들에 대한 추론방법을 다루고 있다.