Till sidans topp

Sidansvarig: Webbredaktion
Sidan uppdaterades: 2012-09-11 15:12

Tipsa en vän
Utskriftsversion

Linear Maximum Likelihood… - Göteborgs universitet Till startsida
Webbkarta
Till innehåll Läs mer om hur kakor används på gu.se

Linear Maximum Likelihood Regression Analysis For Untransformed Log-Normally Distributed Data

Artikel i vetenskaplig tidskrift
Författare Sara Gustavsson
Sandra Johannesson
Gerd Sällsten
Eva M. Andersson
Publicerad i Open Journal of Statistics
Volym 2
Nummer/häfte 4
Sidor 389-400
ISSN 2161-718X
Publiceringsår 2012
Publicerad vid Institutionen för medicin, avdelningen för samhällsmedicin och folkhälsa
Sidor 389-400
Språk en
Länkar dx.doi.org/10.4236/ojs.2012.24047
Ämnesord Heteroscedasticity, Maximum Likelihood Estimation, Linear Regression Model, Log-Normal Distribution, Weighed Least-Squares Regression
Ämneskategorier Statistik

Sammanfattning

Medical research data are often skewed and heteroscedastic. It has therefore become practice to log-transform data in regression analysis, in order to stabilize the variance. Regression analysis on log-transformed data estimates the relative effect, whereas it is often the absolute effect of a predictor that is of interest. We propose a maximum likelihood (ML)-based approach to estimate a linear regression model on log-normal, heteroscedastic data. The new method was evaluated with a large simulation study. Log-normal observations were generated according to the simulation models and parameters were estimated using the new ML method, ordinary least-squares regression (LS) and weighed least-squares regression (WLS). All three methods produced unbiased estimates of parameters and expected response, and ML and WLS yielded smaller standard errors than LS. The approximate normality of the Wald statistic, used for tests of the ML estimates, in most situations produced correct type I error risk. Only ML and WLS produced correct confidence intervals for the estimated expected value. ML had the highest power for tests regarding

Sidansvarig: Webbredaktion|Sidan uppdaterades: 2012-09-11
Dela:

På Göteborgs universitet använder vi kakor (cookies) för att webbplatsen ska fungera på ett bra sätt för dig. Genom att surfa vidare godkänner du att vi använder kakor.  Vad är kakor?