多元纵向数据的统计联合建模方法及其分析策略研究

Modeling and analysis of multiple longitudinal with data missing value in biomedical big data is the key and difficult topic in the study of statistical methodology, traditional modeling and analysis methods have been unable to describe and characterize the complex relationship of variables. At the same time, our previous studies have found that missing imputation fusion methods & analysis strategy of gene expression data with missing value need further application tested and generalized. Therefore, we will put forward a kind joint statistical modeling method based on auto-regression & correlation multilevel-latent variable growth mixed marginal model (ARC-MLVGMMM) to describe the complex relationship, and concern for the growth of whole and individual differences as time changing for multiple longitudinal data. Through the analysis and application validation of the different data sets, confirm the reliability, validity and robustness of the joint statistical modeling for multiple longitudinal data using the ARC-MLVGMMM method, and we emphasis on discuss and set up the statistical analysis strategies of multiple longitudinal data based on the different response variable types, not negligible loss mechanism and different analysis purposes. The successful implementation of the project will have obvious promoting role for solving some puzzles of multiple longitudinal data analysis in the biomedical research and developing new methods of multivariate statistical analysis techniques, it’s results not only have important academic significance and potential application value, but also establish an important theoretical and practical foundation for construction of analysis method system of biomedical big data.

生物医学大数据中具有缺失值的多元纵向数据的建模与分析是统计方法学研究中的重难点，传统建模方法已不能对其复杂的变量关系进行描述和刻画；同时前期研究发现基因表达数据缺失填补融合方法及分析策略有待进一步应用验证与推广。为此，本研究提出一种基于自回归与相关的多层次潜变量增长混合边际模型(ARC-MLVGMMM)联合建模方法来描述多元纵向数据之间的复杂关系，关注其随时间变化的整体增长趋势和个体差异；通过对不同数据集的应用验证，证实该方法对多元纵向数据联合统计建模的可靠性、有效性和稳健性，并探讨在不同响应变量类型、不可忽略缺失机制和不同分析目的等情况下多元纵向数据统计分析策略的构建。本项目的成功实施，将对解决生物医学中多元纵向数据分析难题及发展多元统计学分析技术新方法产生明显的促进作用，其结果不仅具有重要的学术理论意义和潜在的应用价值，而且为生物医学大数据分析方法体系的构建打下重要的理论与实际基础。

研究背景：多元纵向数据的复杂特性，严重影响评估不同变量之间关系的准确性和有效性；如何根据多元纵向数据的不同特性，进行多元纵向数据的统计联合建模以及统计分析策略的构建，是深入探索生物医学等领域个体随时间变化规律和个体间差异的重难点问题，也是统计学和生物医学中一项具有重要意义的研究工作。.研究内容和方法：研究了多元纵向数据统计模型的协方差结构选择与参数估计，探讨了基于自回归与相关的多层次潜变量增长混合边际模型方法（ARC-MLVGMM）并对多元纵向数据进行统计联合建模，构建了多元纵向数据统计分析策略。具体采用统计学、数学、计算机科学和生物医学等多个交叉学科的理论研究方法和文献研究方法，对项目的主要内容进行探究与证实。.重要结果：（1）用AIC和BIC准则对不同方差-协方差结构下纵向数据线性混合效应模型进行协方差结构的选择，快速简便，为后续不同纵向数据统计分析方法的比较研究奠定基础；（2）研究了常见新兴的纵向数据统计分析方法模型（如GEE、LME、LGCM）的原理、特点、参数估计、拟合评价指标以及实现程序，这些方法单个响应变量拟合和应用的比较研究结果为多元纵向数据统计联合建模的理论研究奠定基础；（3）对多个响应变量纵向数据的统计联合建模方法进行理论探索和创新，通过模拟和实际数据的分析，证实了统计联合建模方法的有效性和可靠性；（4）初步构建了不同响应变量类型、不可忽略缺失机制、不同统计建模方法和不同分析目的等情况下的纵向数据统计分析策略，可以帮助研究人员根据响应变量类型、数量、缺失等特性选择合适的分析方法；（5）开发的《多元纵向数据统计联合建模分析系统》软件，可以使用多种方法对同一数据进行分析，并对其分析效果进行评估。.科学意义：项目提出的基于自回归与相关的多层次潜变量增长混合边际模型（ARC-MLVGMM）对多元纵向数据进行统计联合建模的方法，为解决生物医学中多元纵向数据分析难题及发展多元统计学分析技术新方法起到了明显的促进作用，丰富和发展了多元纵向数据的方法学研究，具有重要的学术研究理论意义；构建的多元纵向数据统计分析策略和开发的《多元纵向数据统计联合建模分析系统》软件，可以提供方便快捷地数据分析服务与参考借鉴。