我正在使用PROC GLIMMIX分析有关特定性行为的重复测量数据。原始数据来自每周约400人的日记研究。在每个星期中，他们都会报告最近一次性生活中的行为。我们还提供了有关他们的受众特征的基准数据。收集了12周的观察结果，我们完成率很高。
我想创建一个混合效果模型，但是我不确定确切如何在SAS中完成。我想测试特定于事件的因素以及某些人群水平的人口统计数据的影响，并希望获得每个感兴趣因素的优势比。结果是事件期间是否使用毒品，其解释性因素包括年龄，性别等，以及事件的特征（例如，伴侣的艾滋病毒状况），伴侣是否是固定的性伴侣，等。
我正在使用的代码遵循以下模式：
PROC GLIMMIX DATA=work.dataset oddsratio;
CLASS VISIT_NUMBER PARTICIPANT_ID BINARY_EVENTLEVEL_OUTCOME BINARY_EVENTLEVEL_EXPLANATORY_FACTOR CATEGORICAL_PERSONLEVEL_EXPLANATORY_FACTOR;
MODEL BINARY_EVENTLEVEL_OUTCOME = BINARY_EVENTLEVEL_EXPLANATORY CATEGORICAL_PERSONLEVEL_EXPLANATORY_FACTOR /DIST=binary link=logit CL S ddfm=kr;
RANDOM ?????;
RUN;
我也不清楚我应该在模型语句中使用ddfm = kr还是在proc语句中使用method = laplace －在其他地方都建议对此类重复测量进行分析。
我遇到了一些可能的建模选项，这些选项通常会给出相似的结果，但是选项1在事件级别上给出了具有统计意义的结果，而其他选项则给出了不重要的结果。包含ddfm = kr使得感兴趣的结果更加重要。 method = laplace不允许选项1。
答案 0 :(得分：0)
我可能没有回答您的问题，但是也许可以提供一些指导：
从最简单的部分开始，您想要测试事件级别因素和人员级别受众特征的MODEL语句对我来说是正确的因此被视为固定效果。
现在，就随机效应而言：
RANDOM语句：RANDOM _residual_ / subject=PARTICIPANT_ID; RANDOM intercept / subject=PARTICIPANT_ID; PROC MIXED，则可能要注意，在RANDOM _residual_中使用PROC GLIMMIX的选项（1）等同于在{{ 1}}表示您已对REPEATED重复采取措施，这显然是您的情况（Ref："Comparing the GLIMMIX and MIXED Procedures"）PROC MIXED PARTICIPANT_ID）的时间分量建模为随机效应，当您认为在每个测量时间（例如，在每个事件）。乍一看，我认为这与您的情况无关，因为固定效果已经考虑到了这一点……但是，当然，如果看不到您的数据，我可能是错的。这是我目前可以提供的东西。
后续步骤为您提供更好的理解，我建议您：
RANDOM VISIT_NUM / subject=PARTICIPANT_ID residual type=ar(1) INTERCEPT / subject=VISIT_NUM(PARTICIPANT_ID);文档的概述，尤其是mathematical model specification及其中的所有3个部分：visit_num PROC GLIMMIX The Basic Model HTH