Journal of the Korean Data and Information Science Society

The Korean Data and Information Science Society (한국데이터정보과학회)
권호 표지

A statistical analysis on the selection of the optimal covariance matrix pattern for the cholesterol data

콜레스테롤 자료에 대한 적정 공분산행렬 형태 산출에 관한 통계적 분석

  • Jo, Jin-Nam (Department of Information & Statistics, Dongduk Women's University) ;
  • Baik, Jai-Wook (Department of Information Statistics, Korea National Open University)
  • 조진남 (동덕여자대학교 정보통계학과) ;
  • 백재욱 (한국방송통신대학교 정보통계학과)
  • Received : 2010.10.02
  • Accepted : 2010.11.23
  • Published : 2010.11.30
Download PDF
⟨ Previous Next ⟩

Abstract

Sixty patients were divided into three groups. Each group of twenty persons had fed on different diet foods over 5 weeks. Cholesterol had been measured repeatedly five times at an interval of a week during 5 weeks. It resulted from mixed model analysis of repeated measurements data that homogeneous toeplitz covariance matrix pattern was selected as the optimal covariance pattern. The correlations between measurements of different times for the covariance matrix are somewhat highly correlated as 0.64-0.78. Based upon the homogeneous toeplitz covariance pattern model, the time effect was found to be highly significant, but the treatment effect and treatment-time interaction effect were found to be insignificant.

60명의 환자들을 20명씩3개 그룹으로 나누어 각 그룹마다 다른 종류의 식이요법을 실시한 후 1주 간격으로 5주간에 걸쳐서 콜레스테롤 수치에 대한 반복측정 자료를 얻었다. 해당자료를 바탕으로 적합성여부와 유의성 검정을 실시한 결과 등분산 Toeplitz가 다양한 공분산행렬 형태들 중에서 가장 적합한 공분산구조 모형으로 판명되었다. 이 모형에서는 시점들 간의 상관계수는 0.64-0.78로 대체적으로 높은 상관관계들을 보여주고 있으며, 모수인자들의 유의성검정 결과, 시간효과는 대단히 유의하게 나타났으나, 처리 및 처리와 시간과의 교호작용효과는 유의하지 않은 것으로 판명되었다.

Keywords

References

  1. 조진남 (2009). 체중감량자료에 대한 적정 공분산형태모형 산출에 관한 실증연구. <한국데이터정보과학회지>, 20, 377-385.
  2. 조진남, 백재욱 (2009). 변량계수모형의 식이요법 실험자료에 관한 사례연구. <한국데이터정보과학회지>, 20, 787-796.
  3. Brown, H. and Kempton, R. A. (1994). The Application of REML in clinical trials. Statistics in Medicine, 16, 1601-1617.
  4. Brown, H. and Prescott, R. (1999). Applied mixed models in medicine, John Wiley & Sons Inc, New York.
  5. Diggle, P. J. (1989). Testing for random dropouts in repeated measurement data. Biometrics, 43, 1255-1258.
  6. Fitzmaurice, G. M., Laird, N. M. and Ware, J. H. (2004). Applied longitudinal analysis, John Wiley & Sons Inc, New York.
  7. Frees. E. D. (2006). Longitudinal and panel data, Cambridge University Press, New York.
  8. Hand, D. and Crowder, M. (1996). Practical longitudinal data analysis, Chapman & Hall, London.
  9. Hartley, H. O. and Rao, J. N. K. (1967). Maximum likelihood estimation for the mixed analysis of variance model. Biometrika, 54, 93-108. https://doi.org/10.1093/biomet/54.1-2.93
  10. Littell, R. C., Milliken, G. A., Stroup, W. W. and Wolfinger, R. D. (1996). SAS System for mixed models, SAS Institute Inc., N.C., U.S.A.
  11. Longford, N. T. (1993). Random coefficient models, Oxford University Press, Oxford.
  12. Satterthwaite, F. E (1946). An approximate distribution of estimates of variance components. Biometrics Bulletin, 2, 110-114. https://doi.org/10.2307/3002019
  13. Verbeke, G, and Molenberghs G. (2000). Linear mixed models for longitudinal data, Springer Verlag, New York.