SPSS廣義線性模型：廣義估計方程

一、廣義估計方程：

1、概念：廣義估計方程過程對廣義線性模型進行了擴展，以允許分析重復的測量或其他相關觀察數據，例如聚類數據。

2、示例。公共衛生官員可以使用廣義估計方程，在空氣污染對兒童影響研究中采用重復度量Logistic回歸模型。

3、數據。響應可以是尺度數據、計數數據、二分類數據或試驗事件數據。假設因子是分類型的。假設協變量、尺度權重和偏移量是尺度型的。用于定義主體或主體內重復度量的變量不能用于定義響應，但可以在模型中發揮其他作用。

4、假設。假設各個個案在主體內部是相關的，在主體之間是獨立的。表示主體內相關性的相關矩陣作為模型的一部分進行估計。

二、重復（分析-廣義線性模型-廣義估計方程-重復）

1、主體內變量。主體內變量值的組合定義主體中度量的順序；因此，主體內變量和主體變量的組合唯一定義每個度量。例如，時間、醫院ID和病人ID的組合為每個個案定義特定醫院中特定病人的一次就診。如果數據集已經排序，每個主體的重復度量因而按正確順序在連續個案段中發生，則并不嚴格要求必須指定主體內變量，并且您可以取消選擇按個體變量和主體內變量對個案進行排序并保存執行（臨時）排序所需的處理時間。通常，利用主體內變量確保度量的正確順序是很好的方法。主體變量和主體內變量不能用于定義響應，但它們可以在模型中執行其他功能。例如，醫院ID可用作模型中的因子。

2、協方差矩陣?；谀Ｐ偷墓烙嬍荋essian矩陣的廣義逆負矩陣。健壯性估計（也稱為Huber/White/sandwich估計）是“改正”的基于模型的估計，即使錯誤地指定了工作相關矩陣，也能提供對協方差的一致估計。該規范適用于廣義估計方程的線性模型部分中的參數，而估計選項卡上的規范只適用于初始廣義線性模型。

3、工作相關性矩陣。此相關矩陣表示主體內相關性。其大小由度量數決定，因此也由主體內變量的值組合決定。您可以指定以下結構之一：◎獨立。重復度量不相關?！駻R(1)。重復度量具有一階自回歸關系。任意兩個元素之間的相關性對于相鄰元素為?，對于由第三個元素分隔的元素為?2，依此類推。?受到約束，以使–1<</span>?<1?！蚩山粨Q。此結構在元素之間具有同質相關性。又稱為復合對稱結構?！蛞繫協變量。連續的測量具有共同的相關系數，由第三個度量分隔的測量對具有共同的相關系數，依此類推，直到由m 1個其他度量分隔的測量對。具有更多分隔的測量假設為不相關。選擇此結構時，請指定小于工作相關矩陣的階的m值?！蛭唇Y構化。這是一個非常一般的相關矩陣。