Métodos de Regresión No Paramétricos para El Análisis de Datos Longitudinales

Mster Universitario en Estadstica Aplicada - Curso 2010/2011
Universidad de Granada
MTODOS DE REGRESIN
NO PARAMTRICOS PARA
EL ANLISIS DE DATOS
LONGITUDINALES
Trabajo Fin de Mster
Lnea de Investigacin: Estimacin no paramtrica de curvas en R
Realizado por: Jos Antonio Linero Morante

D.N.I.: 74912127-T
Tutora: Dra. D. Mara Dolores Martnez Miranda
Fecha: Diciembre 2011
ndice de contenidos
Captulo 1: Introduccin
1.1. Motivacin de ejemplos de datos longitudinales
1.1.1. Datos de progesterona
1.2. Modelizacin de efectos mixtos: de paramtrico a no paramtrico
1
1
2
6
1.2.1. Modelos paramtricos de efectos mixtos
1.2.2. Regresin no paramtrica y suavizacin
1.2.3. Modelos no paramtricos de efectos mixtos

Captulo 2: Modelos paramtricos de efectos mixtos
10
12
2.1. Introduccin
12
2.2. Modelo lineal de efectos mixtos
12
2.2.1. Especificacin del modelo
12
2.2.2. Estimacin de los efectos fijos y aleatorios
15
2.2.3. Interpretacin bayesiana
16
2.2.4. Estimacin de los componentes de varianza
18
2.2.5. Los algoritmos EM
20
Captulo 3: Suavizadores en regresin no paramtrica
24
3.1. Introduccin
24
3.2. Suavizador del ncleo polinomial local
27
3.2.1. Grado general del suavizador LPK
27
3.2.2. Suavizadores lineal y constante local
29
3.2.3. Funcin del ncleo
31
3.2.4. Seleccin del ancho de banda
32
3.2.5. Un ejemplo ilustrativo
34
Captulo 4: Mtodos localmente polinomiales
35
4.1. Introduccin
35
4.2. Modelo no paramtrico para la media poblacional
36
4.2.1. Mtodo del ncleo polinomial local
37
4.2.2. Mtodo del ncleo polinomial local GEE
40
4.3. Modelo no paramtrico de efectos mixtos
44
4.4. Modelado de efectos mixtos polinomial local
45
4.4.1. Aproximacin polinomial local
45
4.4.2. Estimacin por mxima verosimilitud local
46
4.4.3. Estimacin a partir de la verosimilitud local marginal
48
4.4.4. Estimacin a partir de la verosimilitud local conjunta
50
4.4.5. Estimacin de los componentes
53
4.5. Eleccin de buenos anchos de banda
54
4.5.1. Validacin cruzada dejar-un-sujeto-fuera
55
4.5.2. Validacin cruzada dejar-un-punto-fuera
56
4.6. Aplicacin a los datos de progesterona
56
Apndice: Cdigo en R generado para las aplicaciones
60
Referencias
74
Trabajo Fin de Mster en Estadstica Aplicada 2010/2011
Captulo 1: Introduccin
Los datos longitudinales tales como mediciones repetidas tomadas en cada uno
de una serie de sujetos a travs del tiempo surgen con frecuencia de muchos estudios
biomdicos y clnicos as como de otras reas cientficas. Estudios actualizados sobre
anlisis de datos longitudinales se pueden encontrar en Demidenko (2004) y Diggle,
Heagerty, Liang y Zeger (2002), entre otros. Los modelos paramtricos de efectos
mixtos son una herramienta poderosa para modelar la relacin entre una variable
respuesta y las covariables en estudios longitudinales. Los modelos lineales de efectos
mixtos (linear mixed-effects (LME)) y los modelos no lineales de efectos mixtos
(nonlinear mixed-effects (NLME)) son los dos ejemplos ms populares. Varios libros se
han publicado para resumir los logros en estas reas (Jones 1993, Davidian y Giltinan
1995, Vonesh y Chinchilli 1996, Pinheiro y Bates 2000, Verbeke y Molenberghs 2000,
Diggle, Heagerty, Liang y Zeger 2002, y Demidenko 2004, entre otros). Sin embargo,
para muchas aplicaciones, los modelos paramtricos pueden ser demasiado restrictivos
o limitados, y a veces no estn disponibles al menos para el anlisis de los datos
preliminares. Para superar esta dificultad, las tcnicas de regresin no paramtricas se
han desarrollado para el anlisis de datos longitudinales en los ltimos aos. Con este
trabajo se tiene la intencin de estudiar los mtodos existentes e introducir tcnicas de
reciente desarrollo que combinan ideas de modelado de efectos mixtos y tcnicas de
regresin no paramtricas para el anlisis de datos longitudinales.
1.1. Motivacin de ejemplos de datos longitudinales
En los estudios longitudinales, los datos de los individuos se coleccionan varias
veces a travs del tiempo mientras que en los estudios de corte transversal slo se
obtiene un dato puntual para cada sujeto individual (es decir, un solo punto en el tiempo
por sujeto). Por lo tanto, la diferencia clave entre los datos longitudinales y los datos de
corte transversal es que los datos longitudinales estn generalmente correlacionados en
un sujeto y son independientes entre sujetos, mientras que los datos de corte transversal
a menudo son independientes.
Un desafo para el anlisis de datos longitudinales es cmo dar cuenta de las
correlaciones intra-sujeto. Los modelos LME y NLME son herramientas poderosas para
el manejo de un problema cuando adecuados modelos paramtricos estn disponibles
para relacionar una variable de respuesta longitudinal a sus covariables. Muchos
1

ejemplos de datos de la vida real han sido presentados en la literatura que emplea
tcnicas de modelado LME y NLME (Jones 1993, Davidian y Giltinan 1995, Vonesh y
Chinchilli 1996, Pinheiro y Bates 2000, Verbeke y Molenberghs 2000, Diggle,
Heagerty, Liang y Zeger 2002, y Demidenko 2004, entre otros). Sin embargo, para
muchos otros ejemplos de datos prcticos, adecuados modelos paramtricos pueden no
existir o son difciles de encontrar. Ejemplos de estudios biomdicos y clnicos se
presentarn y se utilizarn en este trabajo a modo de ilustracin. En estos ejemplos, los
modelos LME y NLME ya no son aplicables, y tcnicas de modelado de efectos mixtos
no paramtricos (nonparametric mixed-effects (NPME)), que son los temas centrales de
este trabajo, son una opcin natural al menos en la fase inicial de anlisis exploratorios.
Aunque los ejemplos de datos longitudinales en este trabajo son de estudios biomdicos
y clnicos, las metodologas propuestas en este trabajo son tambin aplicables a datos de
panel o datos agrupados de otros campos cientficos. Todos los conjuntos de datos y los
correspondientes anlisis de cdigos a travs del ordenador en este trabajo son de libre
acceso en la siguiente pgina web: (Adems, debemos notar que dicho cdigo est
escrito mediante el programa Matlab y nosotros en este trabajo escribimos el cdigo
mediante R, nuestro cdigo escrito en R se puede ver en el apndice titulado Cdigo en
R generado para las aplicaciones que se encuentra al final del trabajo.)
http://www.urmc.rochester.edu/smd/biostat/people/faculty/WuSite/publications.htm.
1.1.1. Datos de progesterona
Los datos de progesterona fueron recogidos en un estudio de la prdida temprana
del embarazo realizado por el Instituto de Toxicologa y Salud Ambiental en la Seccin
de Epidemiologa Reproductiva del Departamento de Servicios de Salud de California,
Berkeley, EE.UU. Las Figuras 1.1 y 1.2 muestran los niveles de progesterona en el
metabolito urinario en el transcurso de los ciclos menstruales de las mujeres (das). Las
observaciones procedan de pacientes con la funcin reproductiva sana inscritos en una
clnica de inseminacin artificial donde los intentos de inseminacin fueron oportunos
para cada ciclo menstrual. Los datos haban sido alineados por el da de la ovulacin
(Da 0), determinado por la hormona luteinizante en suero, y truncado en cada extremo
para presentar curvas de igual longitud. Las mediciones se registran una vez al da por
cada ciclo de 8 das antes del da de la ovulacin y hasta 15 das despus de la
ovulacin. Una mujer puede tener uno o varios ciclos. La duracin del perodo de
observacin es de 24 das. Algunas mediciones de algunos sujetos estaban perdidas por
2

diversas razones. El conjunto de datos consiste en dos grupos: las curvas de
progesterona conceptiva (22 ciclos menstruales) y las curvas de progesterona no
conceptiva (69 ciclos menstruales). Para ms detalles sobre este conjunto de datos, ver
Yen y Jaffe (1991), Brumback y Rice (1998), y Fan y Zhang (2000), entre otros.
La Figura 1.1 (a) presenta un diagrama espagueti de las 22 curvas en bruto de
progesterona conceptiva. Los puntos indican el nivel de progesterona observados en
cada ciclo, y estn conectados con segmentos de lnea recta. El problema de los valores
perdidos no es muy serio aqu ya que cada curva de ciclo tiene por lo menos 17 de las
24 mediciones. En general, las curvas en bruto presentan un patrn similar: antes del da
de la ovulacin (Da 0), las curvas en bruto son planas, pero despus del da de la
ovulacin, por lo general se mueven hacia arriba. Sin embargo, es fcil ver que en una
curva de ciclo, las mediciones varan en torno a alguna curva subyacente que parece ser
suave, y para ciclos diferentes, las curvas suaves subyacentes son diferentes unas de
otras. La Figura 1.1 (b) presenta las medias punto a punto (curva de color negro con
puntos en la traza) con banda de desviacin estndar (standard deviation (SD)) punto a
punto del 95% (curvas de color rojo con puntos en la traza). Fueron obtenidos de una
manera sencilla: en cada punto de tiempo distinto , la media y la desviacin estndar se
calculan utilizando los datos de corte transversal en . Se puede observar que la curva
media punto a punto es bastante suave, aunque no es difcil descubrir que todava hay
algo de ruido aparecido en la curva media punto a punto.
-4
-2
log (prog)
Figura 1.1 (a) Grupo conceptivo
-5
5
dias
10
15
1
0
-2
-1
log (prog)
Figura 1.1 (b) Grupo conceptivo
-5
10
15
dias
La Figura 1.2 (a) presenta un diagrama espagueti de las 69 curvas en bruto de

progesterona no conceptiva. Comparada con las curvas de progesterona conceptiva,
estas curvas se comportan muy similares antes del da de la ovulacin, pero por lo
general muestran una tendencia diferente despus del da de la ovulacin. Es fcil ver
que, al igual que en las curvas de progesterona conceptiva, los ciclos individuales
subyacentes de las curvas de progesterona no conceptiva parecen ser suaves, y tambin
lo es su curva media subyacente. Una estimacin ingenua de la curva media subyacente
es la curva media punto a punto, que se muestra como curva de color negro con puntos
en la traza en la Figura 1.2 (b). La banda del 95% SD punto a punto (curvas de color
rojo con puntos en la traza) proporciona una estimacin aproximada de la exactitud de
la estimacin ingenua.
-4
-2
log (prog)
Figura 1.2 (a) Grupo no conceptivo
-5
10
15
dias
0
-2
-1
log (prog)
Figura 1.2 (b) Grupo no conceptivo
-5
10
15
dias
Los datos de progesterona se han utilizado para ilustraciones de los mtodos de

regresin no paramtricos por varios autores. Por ejemplo, Fan y Zhang (2000) los
utiliz para ilustrar su mtodo de dos pasos para estimar la funcin media subyacente de
los datos longitudinales o de los datos funcionales, Brumback y Rice (1998) los utiliz
para ilustrar una tcnica de modelado de efectos mixtos con alisamiento spline para
estimar ambas funciones media e individual, mientras que Wu y Zhang (2002a) los
utiliz para ilustrar un enfoque de modelado de efectos mixtos polinomial local.
5

1.2. Modelizacin de efectos mixtos: de paramtrico a no paramtrico
1.2.1. Modelos paramtricos de efectos mixtos
Para la modelizacin de datos longitudinales, los modelos paramtricos de
efectos mixtos, tales como modelos lineales y no lineales de efectos mixtos, son una
herramienta natural. Los modelos lineales o no lineales de efectos mixtos se pueden
especificar como modelos lineales y no lineales jerrquicos, desde una perspectiva
bayesiana.
Los modelos lineales de efectos mixtos (linear mixed-effects (LME)) se utilizan
cuando la relacin entre una variable respuesta longitudinal y sus covariables se puede
expresar a travs de un modelo lineal. El modelo LME introducido por Harville (1976,
1977), y Laird y Ware (1982) en general se puede escribir como
donde
son, respectivamente, los vectores de respuestas y los errores de medicin
para el -simo sujeto,
son, respectivamente, los vectores de efectos fijos
(parmetros de la poblacin) y efectos aleatorios (parmetros individuales), y
son las matrices de diseo asociadas a los efectos fijos y a los efectos aleatorios. Es fcil
notar que la media y la matriz de covarianza de
est dada por
Los modelos no lineales de efectos mixtos (nonlinear mixed-effects (NLME)) se

utilizan cuando la relacin entre una variable respuesta longitudinal y sus covariables se
puede expresar a travs de un modelo no lineal, el cual es conocido a excepcin de
algunos parmetros. Un modelo no lineal jerrquico general o modelo NLME se puede
escribir como (Davidian y Giltinan 1995, Vonesh y Chinchilli 1996):
donde
con
una matriz de diseo y
siendo una funcin conocida,
un parmetro especifico de sujeto para el

-simo sujeto. En el anterior modelo NLME, la
matrices de diseo
es una funcin conocida de las
, el vector de efectos fijos
. Como ejemplo, un modelo lineal simple para
y el vector de efectos aleatorios
puede escribirse como
. La media marginal y la varianza-covarianza de
no puede ser
dada para un modelo NLME general. Se pueden aproximar utilizando tcnicas de

linealizacin (Sheiner, Rosenberg y Melmon 1972, Sheiner y Beal 1980, y Lindstrom y
Bates 1990, entre otros).
Definiciones ms detalladas de los modelos LME y NLME se darn en el
Captulo 2. Ya sea en un modelo LME o en un modelo NLME, las variaciones entresujeto e intra-sujeto se cuantifican separadamente por los componentes de varianza
. En un estudio longitudinal, los datos de sujetos diferentes se suponen

por lo general que son independientes, pero los datos del mismo sujeto pueden estar
correlacionados. Las correlaciones pueden ser causadas por la variacin entre-sujeto
(heterogeneidad entre los sujetos) y/o la correlacin serial del error de medicin. Hacer
caso omiso de la correlacin existente de los datos longitudinales puede llevar a
conclusiones incorrectas e ineficientes. Por lo tanto, un requisito clave para el anlisis
de datos longitudinales es un modelo apropiado y estimar con precisin los
componentes de varianza as que las funciones media e individual subyacente deben ser
modeladas de manera eficiente. Esta es la razn por la cual el anlisis de datos
longitudinales es ms difcil tanto en el desarrollo terico y aplicacin prctica en
comparacin con el anlisis de datos de corte transversal.
La aplicacin con xito de un modelo LME o un modelo NLME al anlisis de
datos longitudinales depende en gran medida de la suposicin (hiptesis) de un modelo
lineal o no lineal adecuado para la relacin entre la variable respuesta y las covariables.
A veces esta hiptesis puede ser no vlida para un conjunto de datos longitudinales
dado. En este caso, la relacin entre la variable respuesta y las covariables tiene que ser
modelada no paramtricamente. Por lo tanto, tenemos que extender los modelos
paramtricos de efectos mixtos a los modelos no paramtricos de efectos mixtos.
1.2.2. Regresin no paramtrica y suavizacin
Un modelo paramtrico de regresin requiere el supuesto de que la forma de la
funcin de regresin subyacente se conoce a excepcin de los valores de un nmero
finito de parmetros. La seleccin de un modelo paramtrico depende en gran medida
7

del problema en cuestin. A veces el modelo paramtrico se puede derivar de las teoras
mecanicistas detrs del problema cientfico, mientras que en otras ocasiones el modelo
se basa en la experiencia o es simplemente deducido de los grficos de dispersin de los
datos. Un grave inconveniente del modelado paramtrico es que un modelo paramtrico
puede ser demasiado restrictivo en algunas aplicaciones. Si un modelo paramtrico
inadecuado es utilizado, es posible producir conclusiones errneas a partir del anlisis
de regresin. En otras situaciones, un modelo paramtrico no puede estar disponible
para su uso. Para superar las dificultades causadas por el supuesto restrictivo de una
forma paramtrica de la funcin de regresin, se puede quitar la restriccin de que la
funcin de regresin pertenece a una familia paramtrica. Este enfoque conduce a la
llamada regresin no paramtrica.
Existen muchos mtodos de regresin no paramtrica y suavizacin. Los
mtodos ms populares incluyen suavizacin del ncleo, ajuste polinomial local,
regresin (polinomial) splines, suavizacin splines, y penalizado splines. Algunos otros
enfoques, tales como grfico de dispersin localmente ponderado suavizado (locally
weighted scatter plot smoothing (LOWESS)), mtodos basados en wavelet y otros
enfoques basados en series ortogonales tambin son de uso frecuente en la prctica. La
idea bsica de estos enfoques no paramtricos es dejar que los datos determinen la
forma ms adecuada de las funciones. Hay uno o dos llamados parmetros de
suavizacin en cada uno de estos mtodos para controlar la complejidad del modelo y la
compensacin entre el sesgo y la varianza del estimador. Por ejemplo, el ancho de
banda
en la suavizacin del ncleo local determina la suavidad de la funcin de
regresin y la bondad de ajuste del modelo a los datos as que cuando
, el modelo
no paramtrico local se convierte en un modelo paramtrico global, y cuando
, la
estimacin que resulta esencialmente interpola los puntos de datos. Por lo tanto, la
frontera entre el modelado paramtrico y no paramtrico no puede estar bien definida si
se toma el parmetro de suavizacin en cuenta. Los mtodos no paramtricos y
paramtricos de regresin no deben considerarse como competidores, sino que se
complementan entre s. En algunas situaciones, las tcnicas no paramtricas se pueden
utilizar para validar o sugerir un modelo paramtrico. Una combinacin de ambos
mtodos no paramtricos y paramtricos es ms poderoso que un nico mtodo en
muchas aplicaciones prcticas.

Existe una vasta literatura sobre la suavizacin y los mtodos no paramtricos de
regresin para datos de corte transversal. Buenos estudios sobre estos mtodos se
pueden encontrar en los libros de de Boor (1978), Eubank (1988), Hrdle (1990),
Wahba (1990), Green y Silverman (1994), Wand y Jones (1995), Fan y Gijbels (1996),
y Ruppert, Wand y Carroll (2003), entre otros. Sin embargo, muy poco se ha hecho para
desarrollar los mtodos no paramtricos de regresin para el anlisis de datos
longitudinales hasta los ltimos aos. Mller (1988) fue el primero en abordar el
anlisis de datos longitudinales con los mtodos no paramtricos de regresin. Sin
embargo, en esta monografa anterior, el enfoque bsico es el de estimar la curva de
cada individuo por separado, por lo tanto, la correlacin intra-sujeto de los datos
longitudinales no se consider en el modelaje. Las metodologas de Mller (1988) son
esencialmente similares a los mtodos no paramtricos de regresin para datos de corte
transversal.
En aos recientes, ha habido un auge en el desarrollo de mtodos no
paramtricos de regresin para el anlisis de datos longitudinales que incluyen la
utilizacin de mtodos de suavizacin tipo-ncleo (Hoover, Rice, Wu y Yang 1998, Wu
y Chiang 2000, Wu, Chiang y Hoover 1998, Fan y Zhang 2000, Lin y Carroll 2001a, b,
Wu y Zhang 2002a, Welsh, Lin y Carroll 2002, Cai, Li y Wu 2003, Wang 2003, Wang,
Carroll y Lin 2005), mtodos de suavizacin spline (Brumback y Rice 1998, Wang
1998a, b, Zhang, Lin, Raz y Sowers 1998, Lin y Zhang 1999, Guo 2002a, b) y mtodos
de regresin (polinomial) spline (Shi, Weiss y Taylor 1996, Rice y Wu 2001, Huang,
Wu y Zhou 2002, Wu y Zhang 2002b, Liang, Wu y Carroll 2003). Hay una gran
cantidad de literatura reciente en esta rea de investigacin, y es imposible tener una
lista completa aqu. La importancia de los mtodos no paramtricos de modelado ha
sido reconocido en el anlisis de datos longitudinales y para las aplicaciones prcticas,
ya que los mtodos no paramtricos son flexibles y robustos frente a supuestos
paramtricos. Dicha flexibilidad es til para la exploracin y anlisis de datos
longitudinales, cuando apropiados modelos paramtricos no estn disponibles. En este
trabajo, no tenemos la intencin de cubrir todas las tcnicas no paramtricas de
regresin. En cambio, nos vamos a centrar en el mtodo de suavizacin polinomial
local. Incorporamos este procedimiento no paramtrico de suavizacin en los modelos
de efectos mixtos para proponer tcnicas no paramtricas de modelado de efectos
mixtos para el anlisis de datos longitudinales.
9

1.2.3. Modelos no paramtricos de efectos mixtos
Un conjunto de datos longitudinales tal como los datos de progesterona
presentados en la Seccin 1.1, pueden expresarse en una forma comn como
donde
indican los puntos de tiempo de diseo (por ejemplo, das en los datos de
progesterona),
la respuesta observada en
de progesterona),
(por ejemplo, log(prog) en los datos
el nmero de observaciones para el -simo sujeto, y
es el
nmero de sujetos. Para tal conjunto de datos longitudinales, no asumimos un modelo

paramtrico para la relacin entre la variable respuesta y la covariable en el tiempo. En
cambio, justamente asumimos que las funciones individual y de media poblacional son
funciones sin problemas en el tiempo , y dejamos que los propios datos determinen la
forma de las funciones subyacentes. Siguiendo Wu y Zhang (2002a), introducimos un
modelo no paramtrico de efectos mixtos (nonparametric mixed-effects (NPME)) como
donde
modela la funcin de media poblacional del conjunto de datos
longitudinales, llamada funcin de efecto fijo,
modela la salida de la -sima
funcin individual de la funcin de media poblacional

de efecto aleatorio, y
, llamada la -sima funcin
son los errores de medicin que no se pueden explicar por
las funciones de efecto fijo y las funciones de efecto aleatorio.

En general se supone que
son realizaciones i.i.d. de un
proceso suave (smooth process (SP)) subyacente,

funcin de covarianza
blanco no correlacionado,
,y
, con funcin de media 0 y
son realizaciones i.i.d. de un proceso de ruido
, con funcin de media 0 y funcin de covarianza
. Esto es,
cuantifica la variacin entre-sujeto mientras que
. Aqu
cuantifica la variacin intra-
sujeto. Cuando se habla de las inferencias basadas en la verosimilitud o la interpretacin

Bayesiana, por simplicidad, generalmente asumimos que los procesos asociados son
Gausianos, es decir,
,y
En el marco de modelado NPME, necesitamos llevar a cabo las siguientes tareas:

(1) estimar la funcin (media poblacional) de efecto fijo
10
; (2) predecir las funciones

de efecto aleatorio
y las funciones individuales
; (3) estimar la funcin de covarianza

varianza de ruido
La
; y (4) estimar la funcin de
caracterizan las caractersticas de la poblacin de una
respuesta longitudinal mientras que
capturan las caractersticas
individuales. Para simplificar, la funcin media poblacional

individuales
y las funciones
se refieren a veces como las curvas de poblacin y las curvas
individuales, respectivamente. Debido a que en el modelo NPME (1.4), las cantidades

de destino
son todas no paramtricas, la combinacin de
tcnicas de suavizacin y enfoques de modelado de efectos mixtos es necesario para la

estimacin de estas cantidades desconocidas.
11

Captulo 2: Modelos paramtricos de efectos mixtos
2.1. Introduccin
Los modelos paramtricos de efectos mixtos o los modelos de efectos aleatorios
son herramientas poderosas para el anlisis de datos longitudinales. Los modelos
lineales o no lineales de efectos mixtos (incluyendo los modelos lineales o no lineales
generalizados de efectos mixtos) han sido ampliamente utilizados en muchos estudios
longitudinales. Buenos estudios sobre estos enfoques se pueden encontrar en los libros
de Searle, Casella y McCulloch (1992), Davidian y Giltinan (1995), Vonesh y
Chinchilli (1996), Verbeke y Molenberghs (2000), Pinheiro y Bates (2000), Diggle,
Heagerty, Liang y Zeger (2002), y Demidenko (2004), entre otros. En este captulo,
vamos a revisar los modelos lineales de efectos mixtos y haremos hincapi en los
mtodos que vamos a utilizar en captulos posteriores. El enfoque de este trabajo es
presentar las ideas de modelado de efectos mixtos en suavizacin y regresin no
paramtrica para el anlisis de datos longitudinales, es importante entender los
conceptos bsicos y las propiedades clave de los modelos paramtricos de efectos
mixtos.
2.2. Modelo lineal de efectos mixtos
2.2.1. Especificacin del modelo
Harville (1976, 1977) y Laird y Ware (1982) propusieron por primera vez el
siguiente modelo general lineal de efectos mixtos (linear mixed-effects (LME)):
donde
denotan la respuesta y el error de medicin de la -
sima medicin del -simo sujeto, los parmetros desconocidos
generalmente se llaman el vector de efectos fijos y los vectores de efectos aleatorios,

respectivamente (para simplificar, a menudo se refieren como parmetros de efectos
fijos y efectos aleatorios del modelo LME), y
son los asociados a los vectores
covariables de efectos fijos y efectos aleatorios. En la expresin anterior,
son conocidas como las componentes de varianza del modelo LME. En el

12

modelo LME anterior, para simplificar, asumimos que
son independientes con
distribuciones normales, y las mediciones entre-sujeto son independientes.

El modelo LME (2.1) se escribe a menudo en la forma siguiente:
donde
,y
El modelo LME anterior incluye modelos lineales de coeficientes aleatorios

(Longford 1993) y modelos para mediciones repetidas como casos especiales. Por
ejemplo, un modelo de dos etapas lineal de coeficiente aleatorio para curvas de
crecimiento (Longford 1993) se puede escribir como
donde
se definen de manera similar como en (2.2),
de coeficientes aleatorios del -simo sujeto, y
es un vector
es una matriz de diseo
que
contiene las covariables entre sujetos. Es fcil ver que el modelo lineal de coeficiente
aleatorio (2.3) puede escribirse en la forma del modelo general LME (2.2) una vez que
se establece
De hecho, se puede escribir un modelo general de dos etapas lineal de

coeficiente aleatorio en la forma del modelo general LME (2.2). Un modelo general de
dos etapas de coeficiente aleatorio se puede escribir como (Davidian y Giltinan 1995,
Vonesh y Chinchilli 1996)
13

donde
es una matriz de diseo
determinar los componentes de

efectos aleatorios
con elementos de 0 y 1 organizados para

que son al azar, y
es el asociado al vector de
-dimensional. Este modelo general de dos etapas de coeficiente
aleatorio se puede escribir en la forma del modelo general LME (2.2):

una vez que se establece
. De hecho, es
fcil demostrar que el modelo general de dos etapas de coeficiente aleatorio (2.4) es
equivalente al modelo general LME (2.2). En particular, cuando
, el modelo
general de dos etapas de coeficiente aleatorio (2.4) se reduce al modelo de coeficiente

aleatorio (2.3) para curvas de crecimiento. Ntese que el modelo general de dos etapas
de coeficiente aleatorio (2.4) tambin se conoce como modelo de efectos mixtos de dos
etapas y el modelo general LME (2.2) tambin se llama modelo lineal jerrquico.
En notacin matricial, el modelo general LME (2.2) se puede escribir adems
como
donde
Por lo general se asume que las mediciones repetidas de sujetos diferentes son
independientes y estn correlacionadas solamente cuando vienen del mismo sujeto.
Basado
en
el
modelo
general
LME
(2.5),
tenemos
donde la matriz de covarianza del vector de

mediciones repetidas
para el -simo sujeto es
. Podemos ver
que la correlacin entre las mediciones repetidas puede ser inducida o a travs del
trmino de variacin entre-sujeto
sujeto
14
o a travs de la matriz de covarianza intra-
. Por lo tanto, incluso si los errores de medicin intra-sujeto (

son independientes, las mediciones repetidas
pueden estar an correlacionadas
debido a la variacin entre-sujeto. En algunos problemas, la correlacin puede provenir

de dos fuentes. Sin embargo, para simplificar, podemos asumir que la correlacin es
inducida nicamente a travs de la variacin entre-sujeto o asumir que
es diagonal en
el desarrollo de metodologas.
2.2.2. Estimacin de los efectos fijos y aleatorios
Las inferencias de
para el modelo general LME (2.2)
pueden basarse en el mtodo de verosimilitud o el mtodo de mnimos cuadrados

generalizados. Conocidas
, las estimaciones de
se pueden obtener minimizando el siguiente logaritmo dos veces negativas de

la funcin de densidad conjunta de
(hasta una
constante):
Puesto que
son los vectores de parmetros de efectos
aleatorios, la expresin (2.7) no es un logaritmo de verosimilitud (log-likelihood)

convencional. Para mayor comodidad, a partir de ahora y a lo largo de este trabajo,
llamamos a (2.7) un logaritmo de verosimilitud generalizado (generalized log-likelihood
(GLL)) de los parmetros de efectos mixtos ( ,
). Tenga en cuenta que
el primer trmino del lado derecho de (2.7) es un residuo ponderado tomando la

variacin intra-sujeto en cuenta, y el trmino
efectos aleatorios
es una penalizacin debido a los
tomando la variacin entre-sujeto en cuenta.
Para determinadas
, minimizar el criterio GLL (2.7) es
equivalente a resolver las denominadas ecuaciones del modelo mixto (Harville 1976,
Robinson 1991):
donde
se definen en (2.6). Utilizando el algebra matricial, las
ecuaciones de rendimiento del modelo mixto

15
donde
covarianzas de
. Las matrices de
son:
2.2.3. Interpretacin bayesiana

Es conocido que el modelo general LME (2.2) tiene una estrecha relacin con un
modelo Bayesiano en el sentido de que las soluciones (2.8) y (2.9) son las expectativas a
posteriori de los parmetros de un modelo Bayesiano en virtud de no informativas
probabilidades (distribuciones) a priori.
Antes de seguir adelante, manifestamos los siguientes dos lemas tiles cuyas
demostraciones se pueden encontrar en algunos libros de texto estndar multivariante,
por ejemplo, Anderson (1984).
Lema 2.1 Sean ,
matrices
tales que
son
invertibles. Entonces
En particular, cuando
Lema 2.2 Sea
donde
16
es invertible. Entonces
donde
es un vector
, tenemos
Definimos ahora el siguiente problema Bayesiano:
con distribucin a priori para
donde
y :
son independientes unas de otras, y
se define en
(2.6).
Ntese que la especificacin de
es flexible. Por ejemplo, podemos dejar que
. Esto indica que los componentes de

Adems, cuando
en
son independientes unos de otros.
, tenemos
. Esto indica que el lmite a priori
no es informativo.
Teorema 2.1 Los mejores predictores imparciales lineales (2.8) y (2.9) que minimizan
el criterio GLL (2.7) son los mismos que las expectativas del lmite a posteriori del
problema Bayesiano definido en (2.14) y (2.15) con
Adems, como
, tenemos las siguientes distribuciones a posteriori:
donde
Ntese que
implican los parmetros desconocidos
las estimaciones puntuales de
. Si sustituimos
(vamos a discutir cmo estimarlos en las siguientes
subsecciones), las estimaciones Bayesianas,
17
. Esto es,
se refieren generalmente como

estimaciones empricas de Bayes, aunque la estimacin emprica de Bayes se aplica
convencionalmente slo a los efectos aleatorios
El Teorema 2.1 da las distribuciones del lmite a posteriori de

marco Bayesiano (2.14) y (2.15) cuando
en el
o cuando lo a priori en
informativo. A veces, es interesante conocer la distribucin a posteriori de

est dada, por ejemplo, cuando
no es
cuando
. En realidad, este conocimiento es la base para
el algoritmo EM basado en la mxima verosimilitud que vamos a revisar en el siguiente

apartado. El siguiente teorema da los resultados relacionados.
Teorema 2.2 Bajo el marco Bayesiano (2.14) y (2.15), tenemos
Vale la pena notar que, segn el Teorema 2.2, tenemos
.
2.2.4. Estimacin de los componentes de varianza
Si las matrices de covarianza,
puntuales, por ejemplo,
, son desconocidas, pero sus estimaciones
, estn disponibles, entonces podemos tener
. Las estimaciones de
sustitucin de
por lo tanto pueden ser obtenidas por
en (2.8) y (2.9). Sus correspondientes errores estndar estn dados
por (2.10) y (2.12) despus de sustituir
por sus estimaciones. Sin embargo, estos
errores estndar estn subestimados ya que los errores de estimacin de
no se
contabilizan.
Bajo el supuesto de normalidad, el mtodo de mxima verosimilitud (maximum
likelihood (ML)) y el mtodo de mxima verosimilitud restringida (restricted maximum
likelihood (REML)) son dos tcnicas populares para estimar los componentes
desconocidos de
, aunque esto puede no ser adecuado si la hiptesis de
normalidad es cuestionable.
Bajo los supuestos de normalidad siguientes,
,
18

la funcin de verosimilitud generalizada se puede escribir como
donde
es la dimensin de
. Si el vector de efectos aleatorios
es
integrable, podemos obtener la siguiente funcin de verosimilitud convencional:
El mtodo ML para la estimacin de componentes de varianza es maximizar la

siguiente funcin de log-verosimilitud:
con respecto a los componentes de varianza para un determinado
. Sin embargo, la
maximizacin conjunta con respecto a los componentes de varianza
parmetros de efectos fijos
tambin da lugar a la estimacin de
El mtodo REML se utiliza para integrar a
de
ajustar la prdida de grados de libertad debido a la estimacin de
y el vector de
en (2.8).
con el fin de
del mtodo ML, es
decir, para maximizar
Se puede demostrar que
donde
tenemos que
19
como se define en (2.18). Por lo tanto,
Las estimaciones REML de componentes de varianza se pueden obtener a travs

de la maximizacin
Derivaciones ms detalladas de estos resultados se pueden encontrar en

Davidian y Giltinan (1995).
2.2.5. Los algoritmos EM
La implementacin de los mtodos ML y REML no es trivial. Para superar esta
dificultad de implementacin, los mtodos de algoritmo EM y de Newton-Raphson han
sido propuestos (Laird y Ware 1982, Dempster, Rubin y Tsutakawa 1981, Laird, Lange
y Stram 1987, Jenrich y Schluchter 1986, Lindstrom y Bates 1990). Los libros de
Searle, Casella y McCulloch (1992), Davidian y Giltinan (1995), Vonesh y Chinchilli
(1996) y Pinheiro y Bates (2000) tambin proporcionan una buena revisin de estos
mtodos de implementacin. El paquete estndar de software estadstico tal como R
ofrece funciones convenientes para implementar estos mtodos (por ejemplo, la funcin
lme de R). Haremos una breve revisin del algoritmo EM aqu.
Recordemos que por lo general asumimos que
tiene la forma simple
siguiente:
Cuando
naturales ML de
y
y
se conocen, bajo el supuesto de normalidad, las estimaciones

sern
Este es el paso M del algoritmo EM. Debido a que
no se conocen, las
estimaciones anteriores no son computables. Hay dos maneras de superar esta

dificultad, asociadas, respectivamente, con el algoritmo EM basado en el ML o REML.
Ntese que las estimaciones ML de
se obtienen a travs de la
maximizacin de la funcin de log-verosimilitud (2.20) con el vector de parmetros de

20

efectos fijos
es sustituir la
dado. Por lo tanto, la clave para el algoritmo EM basado en el ML

y
en (2.23) con
respectivamente. El razonamiento subyacente es que los componentes de varianza
se estiman sobre la base de los residuos despus de que la componente de efectos

fijos estimada
se elimina de los datos en bruto, y la estimacin no tomar la
variacin de
en cuenta. Este es el paso E del algoritmo EM basado en el ML.
Usando el Teorema 2.2, podemos demostrar el siguiente teorema.

Teorema 2.3 Supongamos que el modelo Bayesiano definido en (2.14) y (2.15) se
cumple, y supongamos que
satisface (2.22). Entonces tenemos que
En el lado derecho de las expresiones (2.25), los componentes de varianza
an son desconocidas. Sin embargo, cuando se sustituyen por los valores actuales
disponibles, los valores actualizados de
proporcionando algunos valores iniciales de
se pueden obtener. En otras palabras,

y
, se pueden actualizar
utilizando (2.25) hasta la convergencia. Esta es la idea principal del algoritmo EM. Para
simplificar, los valores iniciales pueden tomarse como
. El ciclo
principal para el algoritmo EM basado en el ML es el siguiente:

(a) Dados
, calcular
(b) Dados
, actualizar
utilizando (2.8) y (2.9).

y
utilizando (2.25).
(c) Alternar entre (a) y (b) hasta la convergencia.

Sea
valores estimados de
el ndice de secuencia de las iteraciones, y

y
en la iteracin . Otras notaciones tales como
los
,
se
definen de forma similar. A continuacin, ms formalmente, el algoritmo EM basado en

el ML puede ser escrito como sigue:
21

Algoritmo EM basado en el ML
Paso 0. Establecer
. Sea
Paso 1. Establecer
,y
. Actualizar
.
y
utilizando
donde
Paso 2. Actualizar
utilizando
donde
Paso 3. Repetir los pasos 1 y 2 hasta la convergencia.

El algoritmo EM basado en el REML puede ser igualmente descrito. Las
principales diferencias son:
(a) El algoritmo EM basado en el REML se ha desarrollado para encontrar las
estimaciones REML de
que maximizan (2.21).
(b) La clave para el algoritmo EM basado en el REML es reemplazar

(2.23) por
en lugar de sus expectativas condicionadas a
en
y
como se indica en (2.24). Estas expectativas condicionales se pueden obtener

fcilmente utilizando el Teorema 2.1 y las presentaremos en el Teorema 2.4 a
continuacin para facilitar su consulta.
22

(c) El algoritmo EM basado en el REML puede ser obtenido simplemente a travs
de sustituir todos los
anterior con
en el Paso 2 del algoritmo EM basado en el ML
, donde
El Teorema 2.4 a continuacin es similar al Teorema 2.3 pero se basa en el

Teorema 2.1.
Teorema 2.4 Supongamos que el modelo Bayesiano definido en (2.14) y (2.15) se
cumple, y supongamos que
donde
23
satisface (2.22). Entonces como

Captulo 3: Suavizadores en regresin no paramtrica
3.1. Introduccin
En el Captulo 2, hemos revisado los modelos paramtricos de efectos mixtos
para datos longitudinales, en particular hemos visto los modelos lineales de efectos
mixtos. Estos modelos paramtricos de efectos mixtos han sido ampliamente estudiados
y aplicados para analizar datos longitudinales en la literatura (Lindsey 1993, Diggle,
Liang y Zeger 1994, Davidian y Giltinan 1995, Vonesh y Chinchilli 1996, Pinheiro y
Bates 2000, Verbeke y Molenberghs 2000). Uno de los supuestos bsicos de estos
modelos es que la variable de respuesta (o a travs de una funcin de enlace conocida)
es una funcin paramtrica conocida de ambos efectos fijos y efectos aleatorios. Es
decir, para cada individuo, la relacin subyacente entre la respuesta y las covariables de
efectos mixtos es paramtrica. Sin embargo, esta suposicin no siempre se cumple en
las aplicaciones prcticas.
Tomamos los datos de progesterona, introducidos en la Seccin 1.1.1 del
Captulo 1, como un ejemplo. La Figura 3.1 muestra la grfica de los datos con puntos
(crculos) individuales de progesterona de un sujeto seleccionado (hemos seleccionado
el sujeto nmero 2 del ciclo 5 del grupo no conceptivo). Se presentan ejemplos de algn
polinomio de menor grado ajustado (curvas continuas de color negro) a los datos. El
panel (a) representa un ajuste del modelo lineal, que no se ajusta adecuadamente a los
datos. Esta dificultad puede ser superada por el aumento del grado de los polinomios,
por ejemplo de lineal a cuadrtico, cbico o cuartico como se muestran en los paneles
(b), (c) y (d), respectivamente. Se ve que cuanto mayor sea el grado del polinomio, ms
adecuadamente se ajustan los datos. Se ve que tanto los modelos polinomiales cbico y
cuartico son generalmente bien ajustados a los datos, pero los ajustes siguen siendo
pobres antes del Da 0.
24
Figura 3.1 (b) Cuadrtico
-1
-1
10
-5
15
10
dias
dias
Figura 3.1 (c) Cbico
Figura 3.1 (d) Cuartico
15
-1
1
-1
log (prog)
-5
log (prog)
log (prog)
1
0
log (prog)
Figura 3.1 (a) Lineal
-5
10
15
dias
-5
10
15
dias
Se obtuvieron resultados similares cuando reemplazamos el sujeto seleccionado

por algunos otros sujetos elegidos. Por lo tanto, un modelo polinomial de menor grado
puede no ajustarse bien a los datos de progesterona. Estos datos son slo un ejemplo de
conjuntos de datos prcticos que no pueden ser bien ajustados por polinomios de grado
menor. Hrdle (1990), Fan y Gijbels (1996), Green y Silverman (1994), y Ramsay y
Silverman (1997, 2002), entre otros, proporcionaron ejemplos de datos donde no es
posible ajustar adecuadamente los datos mediante polinomios de cualquier grado o
cualquiera de los modelos paramtricos. En estos casos, las tcnicas no paramtricas de
modelado son necesarias.
Los datos de progesterona para el sujeto seleccionado, presentados como
crculos en la Figura 3.1, se pueden denotar como
25
donde
son conocidos como puntos en tiempo de diseo, y

son las respuestas a los puntos en tiempo de diseo. Los puntos en tiempo de
diseo pueden ser igualmente espaciados en un intervalo de inters, o ser considerado

como una muestra aleatoria de una densidad de diseo continua, concretamente,
Para simplificar, vamos a denotar el intervalo de inters, o el soporte de
que puede ser un intervalo finito, por ejemplo,

respuestas
como
o toda la recta real
. Las
se observan a menudo con errores.
Para un conjunto de datos como el anterior, un modelo de regresin no

paramtrica simple se suele escribir como
donde
modela la funcin de regresin subyacente que queremos estimar, pero no
puede ser aproximada utilizando un modelo paramtrico adecuado, y

denota los errores de medicin que no pueden ser explicados por la funcin de regresin
. Matemticamente,
es la esperanza condicionada de
, dado
, es decir,
Para los datos longitudinales, el conjunto de datos (3.1) describe la estructura de

datos para un sujeto individual donde
es la funcin de los individuos, y
son los puntos en tiempo de diseo de los individuos con
mediciones.
Hay muchos suavizadores existentes que pueden ser utilizados para estimar la
en (3.2). Diferentes suavizadores tienen diferentes puntos fuertes en uno u otro
aspecto. Por ejemplo, la suavizacin splines puede ser buena para el manejo de la
escasez de datos, mientras que los suavizadores polinomial local pueden ser
computacionalmente ventajosos para el manejo de diseos densos. En este captulo,
revisaremos los suavizadores polinomial local (Wand y Jones 1995, Fan y Gijbels 1996)
en la Seccin 3.2. En captulos posteriores, se desarrollan la media de la poblacin no
paramtrica y modelos de efectos mixtos para datos longitudinales basados en estos
suavizadores.
26

3.2. Suavizador del ncleo polinomial local
3.2.1. Grado general del suavizador LPK
La idea principal del suavizado del ncleo polinomial local (local polynomial
kernel (LPK)) es aproximar localmente la
en (3.2) por un polinomio de menor grado.
Su fundamento es la expansin de Taylor, que establece que cualquier funcin suave

puede ser localmente aproximada por un polinomio de menor grado.
En concreto, sea
un punto arbitrario en un tiempo fijo donde la funcin
(3.2) ser estimada. Supongamos que

algn entero
en
tiene
en
-primera derivada continua para
. Por la expansin de Taylor,
puede ser localmente
aproximada por un polinomio de grado . Es decir,
en una zona de
-sima de
que permita la expansin anterior donde

en
denota la derivada
Fijamos
Sea
los
minimizadores del siguiente criterio de mnimos cuadrados ponderados (weighted least

squares (WLS)):
donde
, que se obtiene a travs de re-escalar una funcin del ncleo
con una constante

ancho de banda
, llamado el ancho de banda o parmetro de suavizado. El
se utiliza principalmente para especificar el tamao de la zona local,
concretamente,
donde el ajuste local se lleva a cabo. La funcin del ncleo,

observaciones dentro de
contribuyen al ajuste en
, determina cmo las
. Discutiremos las funciones
del ncleo en la Seccin 3.2.3. Denotemos la estimacin de la derivada -sima

como
27
. Entonces

En particular, el resultado del -simo grado del estimador LPK de
es
.
Una expresin explcita para
es til y puede hacerse a travs de la
notacin de matrices. Sea
la matriz de diseo y la matriz de pesos para el ajuste LPK alrededor de
. Entonces el
criterio WLS (3.3) se puede reescribir como
donde
donde
. Resulta que
denota un vector unitario
-dimensional cuya
-primera
entrada es 1 y las otras entradas son 0, y
Cuando
se ejecuta sobre todo el soporte
una estimacin de todo el rango de
de los puntos en tiempo de diseo,

se obtiene. El estimador derivado
se suele llamar suavizador LPK de la funcin derivada subyacente

. El suavizador derivado
se suele calcular en una cuadrcula de s en .
En este captulo, slo nos centramos en la curva ms suave
a menos que discutamos la estimacin derivada. Fijamos

ajustado de
28
. Por (3.6), se observa que
para ser el valor
donde
es
despus de sustituir
con
. Sea
denota el valor ajustado en todos los puntos en tiempo de diseo. Entonces
que
se puede
expresar como
donde
se conoce como la matriz suavizadora del suavizador LPK. Puesto que

del vector de respuesta , el suavizador LPK
no depende
se conoce como suavizador lineal.
3.2.2. Suavizadores lineal y constante local

Los suavizadores lineal y constante local son los dos ms simples y ms tiles
suavizadores LPK. El suavizador constante local se conoce como el estimador
Nadaraya-Watson (Nadaraya 1964, Watson 1964). Este suavizador resulta del
suavizador LPK
(3.6) simplemente tomando
Dentro de una zona local

constante. Es decir, es el minimizador
, se ajusta a los datos con una

del siguiente criterio WLS:
El estimador Nadaraya-Watson es fcil de entender y fcil de calcular. Sea

que denota la funcin indicadora de un conjunto . Cuando la funcin del ncleo
es
el ncleo Uniforme
el estimador Nadaraya-Watson (3.9) es exactamente la media local de

dentro de la zona local
29
(3.4):
s que estn
donde
denota el nmero de observaciones que caen dentro de la zona local

. Sin embargo, cuando
dentro de la zona
que el caso cuando
est en la frontera de
de modo que
est en el interior de
, menos puntos de diseo estn
tiene una tasa de convergencia ms lenta

. Para una explicacin detallada de este
efecto frontera, se remite al lector a Fan y Gijbels (1996) y Cheng, Fan y Marron
(1997).
El suavizador lineal local (Stone 1984, Fan 1992, 1993) se obtiene a travs de
ajustar un conjunto de datos a nivel local con una funcin lineal. Sea
que
minimiza el siguiente criterio WLS:
Entonces el suavizador lineal local es

del suavizador LPK
. Se puede obtener fcilmente
(3.6) simplemente tomando
. Se le conoce como un
suavizador con un efecto de frontera libre (Cheng, Fan y Marron 1997). Es decir, tiene
la misma tasa de convergencia en cualquier punto de . Tambin exhibe muchas buenas
propiedades que los otros suavizadores lineales pueden carecer. Buenas discusiones
sobre estas propiedades se pueden encontrar en Fan (1992, 1993), Hastie y Loader
(1993), y Fan y Gijbels (1996, Captulo 2), entre otros. Un suavizador lineal local puede
ser simplemente expresado como
donde
Por lo general, la eleccin del grado de ajuste LPK,
, no es tan importante
como la eleccin del ancho de banda, . Un suavizador constante local

30
o lineal

local
a menudo es lo suficientemente bueno para la mayora de los problemas
de aplicacin si la funcin del ncleo
y el ancho de banda
son adecuadamente
determinados. Fan y Gijbels (1996, Captulo 3) seal que para la estimacin de la

curva (no vlido para la estimacin derivada) un
impar es preferible. Esto es as
porque un ajuste LPK con
, introduce un parmetro adicional en
comparacin con un ajuste LPK con
, pero no aumenta la varianza del estimador
asociado LPK. Sin embargo, el sesgo asociado puede ser reducido significativamente,
especialmente en las regiones de frontera (Fan 1992, 1993, Hastie y Loader 1993, Fan y
Gijbels 1996, Cheng, Fan y Marron 1997). Por lo tanto, el suavizador lineal local es
altamente recomendable para la mayora de los problemas en la prctica.
3.2.3. Funcin del ncleo
La funcin del ncleo
utilizada en el suavizador LPK (3.6) es generalmente
una funcin de densidad de probabilidad simtrica. Mientras que el ancho de banda

especifica el tamao de la zona local
observaciones contribuyen al ajuste LPK en
, el ncleo
especifica cmo las
Hemos visto anteriormente el ncleo Uniforme (3.10) y ahora vemos el ncleo

Gaussiano (funcin de densidad de probabilidad normal estndar)
Cuando el ncleo Uniforme se utiliza, todos los
s dentro de la zona local
contribuyen igualmente (los pesos son los mismos) en el ajuste LPK en

mientras que todos los
s fuera de la zona no contribuyen en nada. Cuando el ncleo
Gaussiano se utiliza, sin embargo, la contribucin de los

distancia de
, es decir, cuanto menor es la distancia
s se determina por la
, mayor es la
contribucin. Esto es porque el ncleo Gaussiano es con forma de campana y alcanza su

punto mximo en el origen. El ncleo Uniforme tiene un soporte limitado que permite al
ajuste LPK utilizar los datos slo en la zona
. Esto hace una implementacin
rpida del posible ajuste LPK, lo cual es ventajoso sobre todo para grandes conjuntos de
datos. El uso del ncleo Gaussiano a menudo resulta en buenos efectos visuales de los
suavizadores LPK, pero paga un precio de requerir ms esfuerzo computacional.
Los ncleos Uniforme y Gaussiano son dos miembros especiales de la siguiente
bien conocida familia Beta simtrica (Marron y Nolan 1989):
31
donde
La eleccin de
denota una funcin beta con parmetros
y .
conducen a las funciones ncleo Uniforme,
Epanechnikov, Biweight y Triweight, respectivamente. El ncleo Gaussiano es el lmite

de la familia (3.13) cuando
. El ncleo Epanechnikov se conoce como el ncleo
ptimo (Fan y Gijbels 1996) para la suavizacin LPK.

La eleccin de un ncleo no suele ser tan importante, ya que no determina la tasa
de convergencia del suavizador LPK (3.6) a la curva subyacente. Sin embargo,
determina la eficiencia relativa del suavizador LPK. Para ms discusin sobre la
eleccin del ncleo, consulte Gasser, Mller y Mammitzsch (1985), Fan y Gijbels
(1996), Zhang y Fan (2000) y sus referencias.
3.2.4. Seleccin del ancho de banda
Un suavizador se considera que es bueno si produce un pequeo error de
prediccin, por lo general medido por el Error Cuadrtico Medio (Mean Squared Error
(MSE)) o el Error Cuadrtico Medio Integrado (Mean Integrated Squared Error
(MISE)) del suavizador. Para el suavizador LPK
, sus MSE y MISE se definen
como
donde
se conocen como el sesgo y la varianza de
,y
es una funcin de peso, a
menudo utilizada para especificar un rango concreto de inters.

Bajo ciertas condiciones de regularidad como que
podemos demostrar que como
32
es un punto interior,
donde
significa
est acotada en la probabilidad. Vase, por ejemplo,
Fan y Gijbels (1996, Captulo 3) para ms detalles. De esto, podemos ver que el ancho
de banda
controla el equilibrio entre el sesgo al cuadrado y la varianza del suavizador
LPK
. Cuando
es pequeo, el sesgo al cuadrado es pequeo pero la varianza es
grande. Por otro lado, cuando
es grande, el sesgo al cuadrado es grande mientras que
la varianza es pequea. Una buena eleccin de
por lo general compensar estos dos
trminos para que el MSE o MISE asociado se reduzca al mnimo.

El papel desempeado por el ancho de banda
tambin se puede ver
intuitivamente. Como se mencion anteriormente, el ancho de banda

tamao de la zona local
. Cuando
especifica el
es pequeo,
contiene slo unas pocas observaciones de modo que
puede estar bien ajustado
en base al criterio WLS (3.3) para aproximarse cerca de
. Esto implica un pequeo
sesgo de
. Sin embargo, ya que slo unas pocas observaciones estn involucradas
en el ajuste LPK, la varianza del estimador es muy grande. Con un razonamiento

similar, cuando
es grande,
contiene muchas observaciones de modo que
tiene un sesgo grande pero una varianza pequea.

Es entonces natural seleccionar un ancho de banda global
(MSE para un ancho de banda local) de
para que el MISE
se reduzca al mnimo.
Desafortunadamente, el MISE (3.14) no es calculable ya que
es, despus de todo,
desconocido y es el objetivo que se estima. Este problema se puede superar mediante la

seleccin de
para minimizar algn estimador del MISE. Un estimador del MISE se
puede obtener a travs de la estimacin de las cantidades desconocidas en la expresin

asinttica MISE usando algn grado superior del ajuste LPK, dando como resultado el
llamado complemento de los selectores de ancho de banda (Fan y Gijbels 1992,
Ruppert, Sheather y Wand 1995). El MISE tambin se puede estimar mediante
validacin cruzada o sus versiones modificadas: validacin cruzada generalizada
(Wahba 1985), criterio de informacin Akaike (Akaike 1973) y criterio de informacin
Bayesiano (Schwarz 1978), entre otros.
33

3.2.5. Un ejemplo ilustrativo
Para una rpida implementacin del suavizador LPK, referimos a los lectores a
Fan y Marron (1994) donde una tcnica de agrupacin se propone para el manejo de
grandes conjuntos de datos. Ahora aplicamos el suavizador LPK (3.6) a los datos
presentados en la Figura 3.1. Como ejemplo ilustrativo, se emple el ajuste lineal local
con tres diferentes anchos de banda. En la Figura 3.2, los tres ajustes lineales
locales se presentan. La curva continua de color rojo casi interpola los datos ya que
utiliza un ancho de banda
, que es demasiado
pequeo. Este es el caso de infra-suavizado. La curva continua de color azul no se ajusta

bien a los datos ya que utiliza un ancho de banda
que es demasiado grande. Este es el caso de sobre-suavizado. La curva continua de

color negro produce un buen ajuste a los datos ya que utiliza un ancho de banda
seleccionado por GCV, que no es demasiado
pequeo o demasiado grande.
1
0
-1
log (prog)
Figura 3.2 Ajustes lineales locales
-5
5
dias
34
10
15

Captulo 4: Mtodos localmente polinomiales
4.1. Introduccin
Las tcnicas de suavizado localmente polinomiales han sido bien desarrolladas
para datos i.i.d. o transversales (Wand y Jones 1995, Fan y Gijbels 1996). Con el fin de
aplicar estas tcnicas al anlisis de datos longitudinales, los esfuerzos se han hecho
considerables para incorporar las caractersticas de los datos longitudinales en los
mtodos de suavizado del ncleo (Hoover, Rice, Wu y Yang 1998, Wu, Chiang y
Hoover 1998, Fan y Zhang 2000, Lin y Carroll 2000, Wu y Chiang 2000, Wu y Zhang
2002a, Welsh, Lin y Carroll 2002, Wang 2003, Park y Wu 2005). En los estudios
longitudinales, los datos recogidos del mismo sujeto en el tiempo tienden a estar
correlacionados, aunque los datos de diferentes sujetos se supone que son
independientes. Las variaciones intra-sujeto y entre-sujeto son diferentes y necesitan ser
modeladas apropiadamente.
Hoover, Rice, Wu y Yang (1998), Wu, Chiang y Hoover (1998) y Wu y Chiang
(2000) propusieron por primera vez el mtodo de estimacin del ncleo para modelos
con coeficientes variando en el tiempo con datos longitudinales. Sin embargo, las
caractersticas de los datos longitudinales no se incorporan directamente en sus
mtodos, aunque el criterio de validacin-cruzada dejar-un-sujeto-fuera se propone
para la seleccin del parmetro de suavizado en el que los datos de sujeto-basados en
clusters son reconocidos. Para los datos correlacionados del modelo no paramtrico,
tales como datos longitudinales, Diggle y Hutchinson (1989), Altman (1991), Hart
(1991), Rice y Silverman (1991) y otros han propuesto modificaciones para el criterio
de seleccin del parmetro de suavizado tales como la validacin-cruzada (crossvalidation (CV)) o la validacin-cruzada generalizada (generalized cross-validation
(GCV)) o el uso de CV o GCV dejar-un-sujeto-fuera de forma indirecta en cuenta de
las correlaciones entre los datos. Lin y Carroll (2000) propusieron un mtodo de
ecuacin de estimacin generalizada del ncleo polinomial local (local polynomial
kernel generalized estimating equation (LPK-GEE)) para clustered (agrupados) o datos
longitudinales. Ellos mostraron que la mejor estrategia es ignorar la estructura de
correlacin de los datos longitudinales (fingir como si los datos dentro de un grupo o
sujeto son independientes) en el estimador LPK-GEE. Sin embargo, sus conclusiones se
basan en los resultados asintticos a condicin de que el nmero de sujetos o grupos
tiende a infinito y el nmero de mediciones de cada sujeto es finito. El estimador
35

working-independence de Lin y Carroll no puede ser el mejor para los casos de muestra
finita. De hecho, algunos nuevos resultados han demostrado que es necesaria la
incorporacin de las correlaciones de datos longitudinales en el estimador con el fin de
lograr una mayor eficacia en situaciones de muestras finitas (Wu y Zhang 2002a,
Welsh, Lin y Carroll 2002, Wang 2003). Fan y Zhang (2000) sugiere un enfoque en dos
etapas (primero con un promedio local o de regresin, luego suavizado) de forma
indirecta en cuenta de la correlacin de datos. Un enfoque de modelado de efectos
mixtos localmente polinomial, el cual ms apropiadamente modela las correlaciones
intra-sujeto, fue propuesto por Wu y Zhang (2002a). Este mtodo ser uno de los temas
centrales de este captulo.
Se amplan los modelos lineales de efectos mixtos (Captulo 2) a una
configuracin de modelo no paramtrico ms general en este captulo. El resto de este
captulo est organizado de la siguiente manera. En primer lugar se revisan los mtodos
para la estimacin de la funcin de media poblacional para datos longitudinales en la
Seccin 4.2. Un mtodo polinomial local simple y un mtodo LPK-GEE se describen
brevemente. La Seccin 4.3 introduce un modelo no paramtrico de efectos mixtos
(nonparametric mixed-effects (NPME)) y la Seccin 4.4 presenta la tcnica de
modelado de efectos mixtos localmente polinomial. Se discuten diferentes estrategias de
seleccin del ancho de banda en la Seccin 4.5. Para ilustrar las metodologas, una
aplicacin a los datos de progesterona se presenta en la Seccin 4.6. La mayora de los
materiales de las Secciones 4.3~4.6 provienen de dos artculos de Wu y Zhang (2002a)
y Park y Wu (2005).
4.2. Modelo no paramtrico para la media poblacional
Un conjunto de datos longitudinales, por ejemplo, los datos de progesterona
introducidos en la Seccin 1.1.1 del Captulo 1, son normalmente coleccionados
mediante mediciones repetidas de una serie de sujetos durante un perodo de tiempo.
Los puntos en tiempo de diseo pueden ser diferentes para sujetos diferentes y tambin
lo son el nmero de mediciones. Sea
el nmero de sujetos, y sea
el -simo
punto en tiempo de diseo del -simo sujeto y la respuesta asociada donde

con
denotando el nmero de mediciones del -simo sujeto. Tal conjunto
de datos longitudinales puede ser simblicamente expresado como
36

Si un modelo paramtrico no est disponible para el modelado de la funcin de
media poblacional de los anteriores datos longitudinales, es natural modelar en no
paramtrica. Es decir, asumimos justamente que la funcin de media poblacional es
suave. Tal modelo no paramtrico de media poblacional (nonparametric population
mean (NPM)) se puede escribir como
donde
es la funcin suave de media poblacional, y
son las salidas de las
mediciones longitudinales de la funcin de media poblacional. Este modelo es

comparable con el modelo de regresin no paramtrica estndar (3.2) del Captulo 3,
pero difiere en que los errores en el modelo NPM (4.2) son por lo general no
independientes.
Dado que no est disponible la forma paramtrica para el modelado de
, las
tcnicas de suavizado no paramtricas son necesarias para ser utilizadas. De hecho,

varias tcnicas no paramtricas se han propuesto para los modelos de coeficientes
variando en el tiempo que incluyen el modelo NPM (4.2) como un caso especial. En
esta seccin, se revisan dos tcnicas: un mtodo del ncleo polinomial local (local
polynomial kernel (LPK)) (Hoover, Rice, Wu y Yang 1998); y un mtodo LPK-GEE
(Lin y Carroll 2000).
4.2.1. Mtodo del ncleo polinomial local
El mtodo LPK para los modelos de coeficientes variando en el tiempo para
datos longitudinales fue propuesto y estudiado por primera vez por Hoover, Rice, Wu y
Yang (1998). Como fue el caso del suavizado LPK de datos independientes revisado en
la Seccin 3.2 del Captulo 3, la idea principal de este mtodo LPK es ajustar un
polinomio de cierto grado a
localmente.
Sea un punto arbitrario en tiempo fijo. Supongamos que

de
-primeras derivadas continuas para algn entero
expansin de Taylor,
. Es decir,
37
tiene un mximo
en . Entonces por la
se puede aproximar localmente por un polinomio de grado

donde
y
. Sea
con
el estimador de
obtenido al minimizar el
siguiente criterio de mnimos cuadrados ponderados (weighted least squared (WLS)):
donde
con
una funcin del ncleo y
un ancho de banda. Al igual
que con el suavizado de datos independientes descrito en la Seccin 3.2, el ancho de

banda
se utiliza para especificar el tamao de la zonal local
y el ncleo
se utiliza para especificar el efecto de los puntos de datos de acuerdo a la distancia

entre
y . Por lo general, mientras ms cerca la distancia est, ms grande el efecto
es.
Para dar una expresin explcita para
en la notacin de matrices, sea
la matriz de diseo y la matriz de peso para el -simo sujeto, respectivamente. Adems,

se denota
. Entonces el criterio WLS (4.4)
se puede reescribir como
donde
con
siendo el vector respuesta del -simo
sujeto. Se deduce de minimizar (4.5) con respecto a
Sea
un vector unitario
que
-dimensional cuya -sima entrada es 1 y las
dems son 0. Entonces es fcil ver que a partir de las definiciones de

que los estimadores de las derivadas
son
En particular, el estimador LPK para la funcin de media poblacional es

.
38

Al igual que con suavizado en datos i.i.d. que se describe en la Seccin 3.2,
puede ser tomado como 0 y 1 por simplicidad. Por ejemplo, cuando
, un vector de
, tenemos
-dimensiones de s y el estimador LPK resultante
es
generalmente conocido como el denominado estimador del ncleo constante local de

donde
es el nmero de mediciones totales para todos los sujetos. A
partir de (4.6), el estimador del ncleo constante local de
tiene la siguiente
expresin sencilla:
Cuando
, es decir, hay solo una medicin por sujeto, el estimador (4.8) se
reduce al estimador de datos i.i.d. en (3.9). El estimador (4.8) se llama un estimador del
ncleo constante local ya que es igual al minimizador,
En otras palabras,
, del siguiente criterio WLS:
es la mejor constante que se aproxima a
en la zona local
en lo que respecta a la minimizacin (4.9).

Cuando
, el estimador LPK asociado
el estimador del ncleo lineal local de
es generalmente conocido como
. A partir de (4.6), el estimador del ncleo
lineal local puede ser expresado como
donde
Del mismo modo, el estimador (4.10) se llama un estimador del ncleo lineal
local ya que se obtiene mediante aproximacin de
funcin lineal
39
en una zona local utilizando una
, es decir, minimizando el siguiente criterio WLS:
Basado en los resultados de Hoover, Rice, Wu y Yang (1998), es fcil demostrar

que cuando
, bajo ciertas condiciones de regularidad, tenemos
donde el trmino de primer orden
en la expresin de
se
relaciona con la variacin intra-sujeto solamente, mientras que el trmino de segundo

orden
se asocia con la variacin entre-sujeto. De ello se desprende que
las propiedades asintticas de

comparacin a cuando
limitados, la
son diferentes cuando
es limitada, en
no es acotado (limitado). De hecho, cuando todos los
son
en (4.12) est dominada por el trmino de primer orden para que

; cuando todos los
tienden a infinito, la
dominada por el trmino de segundo orden
para que
. En particular, supongamos
, tenemos
est
entonces como
. En este caso,
es
-consistente.
A partir de (4.12), el ancho de banda ptimo terico que minimiza

es del orden de
cuando
es limitada. Rice y
Silverman (1991) propusieron un mtodo de validacin cruzada dejar-un-sujeto-fuera

para la seleccin de un ancho de banda adecuado para datos longitudinales. Esta
estrategia de seleccin de ancho de banda fue empleada por Hoover, Rice, Wu y Yang
(1998).
4.2.2. Mtodo del ncleo polinomial local GEE
El mtodo LPK-GEE fue propuesto y estudiado por Lin y Carroll (2000). Para el
modelo NPM (4.2), basado en la notacin como
definido en el apartado
anterior, el asociado LPK-GEE es
donde
con
trabajo especificado por el usuario. Cuando

40
siendo una matriz de correlacin de

, el LPK-GEE (4.13) se puede

obtener a travs de diferenciar el criterio WLS (4.5) con respecto a
igual a 0. La solucin del anterior LPK-GEE con respecto a
y se establece
lleva al llamado
estimador LPK-GEE
Los estimadores para
y sus derivadas se pueden obtener fcilmente
utilizando (4.7).
La matriz de correlacin de trabajo
en la formulacin LPK-GEE (4.13) se
utiliza para tener en cuenta parcialmente la estructura de correlacin subyacente de .

En particular, cuando tomamos
, tenemos
de manera
que la estructura de correlacin verdadera se tiene en cuenta aunque esto es casi

imposible en aplicaciones reales.
El resultado contrario a la intuicin de Lin y Carroll (2000) es que el ms
eficiente estimador LPK-GEE se obtiene haciendo caso omiso de la correlacin intrasujeto en lugar de especificar correctamente la correlacin intra-sujeto, es decir,
suponiendo
. Argumentaron que, asintticamente, no hay necesidad de tomar en
cuenta la correlacin porque cuando el ancho de banda es reducido a 0 como el tamao

de la muestra
, la posibilidad de que ms de dos observaciones sean del mismo
sujeto es pequea y por lo tanto los datos utilizados en la estimacin local son de sujetos
diferentes que se supone que son independientes. Esto implica que la matriz de
covarianza verdadera para los datos que contribuyen a la estimacin local es
asintticamente diagonal. Por lo tanto, el estimador LPK-GEE working independence
es asintticamente ptimo (Lin y Carroll 2000). Esto est en contraste con la
paramtrica habitual GEE (Liang y Zeger 1986) en que la mejor estrategia es utilizar la
verdadera correlacin de los datos. Como se mencion en Hoover, Rice, Wu y Yang
(1998), debemos interpretar los resultados asintticos con precaucin ya que en
aplicaciones de datos reales, el ancho de banda adecuado seleccionado por un selector
de ancho de banda no suele ser tan pequeo y los resultados asintticos pueden no ser
aplicables. En otras palabras, tomando adecuadamente en cuenta la correlacin puede
ser necesaria para anlisis de datos de muestras finitas.
Se puede observar que el mtodo LPK-GEE utiliza el peso del ncleo para
controlar los sesgos. Con el fin de reducir los sesgos, todos los datos localizados lejos
41

del punto de estimacin se ponderan hacia abajo aunque estos datos pueden contener
informacin til debido a la correlacin con los datos cerca del punto de estimacin del
mismo sujeto. Por lo tanto, la eficiencia de la estimacin se puede perder ya que es
difcil controlar los sesgos y reducir la varianza de forma simultnea. Para hacer frente a
este problema, Wang (2003) propuso un procedimiento de dos pasos. La idea bsica es
la siguiente: Para utilizar de manera eficiente toda la informacin relacionada a un
sujeto, una vez que un punto de datos de un sujeto o grupo se encuentra cerca del punto
de estimacin (por ejemplo, a
) y contribuye significativamente a la estimacin local,
todos los puntos de datos de este sujeto o grupo se utilizarn. Para evitar sesgos, las
contribuciones de todos estos puntos de datos excepto el punto de datos cerca del punto
de estimacin local son a travs de sus residuos. Se define
con la -sima fila
como una matriz

y 0 en otro caso. El
procedimiento de dos pasos para el modelo NPM (4.2) puede ser descrito de la siguiente
manera (Wang 2003):
Paso 1. Obtener un estimador inicial consistente de
, por ejemplo
ejemplo, el estimador working independence puede ser tomado como

Paso 2. Obtener la estimacin final de
, por ejemplo
. Por
.
, resolviendo la
ecuacin estimada del ncleo ponderado
donde el -simo elemento de
es
cuando
del punto de tiempo ; y el -simo elemento de

La estructura de
medicin
con
es
estando a un margen
cuando
est diseada de manera que, para un
no est a un margen
contribuye a la estimacin local
de , el residuo
cuyo tiempo de
, en lugar de
. Esto garantizar el estimador propuesto
para ser asintticamente insesgado en el peor caso.

Para el modelo NPM (4.2), podemos expresar el estimador de dos pasos como
42

donde
denota la
de trabajo para el
independence
-sima entrada de
con
siendo la matriz de covarianza
-simo sujeto. Comparando (4.16) al estimador working
, es decir,
vemos que los datos correlacionados pero no en un margen
de
se incorporan en el
estimador de dos pasos mediante la adicin de sus residuos ponderados obtenidos a

partir del primer paso, y el peso es su correlacin (covarianza) hasta el -simo punto de
datos que est en un margen
de . La ventaja del estimador en dos pasos es una
reduccin de la varianza sin la ampliacin de los sesgos al menos asintticamente. El

anterior mtodo de dos pasos puede ser mejorado mediante la iteracin de los dos pasos.
Sin embargo, las investigaciones tericas muestran, a la primera orden, que el estimador
de dos pasos alcanza las mismas propiedades asintticas que el estimador totalmente
reiterado. Wang (2003) muestra que el estimador de dos pasos supera de manera
uniforme el estimador working independence (Lin y Carroll 2000) en trminos de la
varianza asinttica si la covarianza verdadera se ha especificado correctamente.
El mtodo de dos pasos de Wang proporciona una forma inteligente de
incorporar correlaciones intra-sujeto de datos longitudinales con el fin de utilizar
eficientemente los datos disponibles para mejorar el estimador working independence.
Sin embargo, el uso de un margen de
residuos deben ser utilizados para estimar
de
para determinar si los datos o sus

es totalmente arbitrario. No sabemos
cmo esto afecta a la seleccin del ancho de banda. Con el fin de implementar el
mtodo de Wang, la covarianza de trabajo tiene que ser estimada separadamente. En la
Seccin 4.4, presentaremos el enfoque de modelado de efecto mixto para incorporar las
correlaciones intra-sujeto de una manera ms natural.
Chen y Jin (2005) recientemente propusieron utilizar simplemente el mtodo
local de mnimos cuadrados generalizado (generalized least squares (GLS)) para
explicar las correlaciones de datos longitudinales. Su mtodo no es nada nuevo y se
puede considerar como un caso especial del modelo de efectos mixtos localmente
polinomial descrito en la Seccin 4.4. Adems, su mtodo tambin requiere determinar
43

o estimar la matriz de covarianza separadamente, y una estimacin precisa de la matriz
de covarianza es generalmente difcil de obtener.
4.3. Modelo no paramtrico de efectos mixtos
En la seccin anterior, se revisaron dos populares tcnicas no paramtricas para
el ajuste del modelo NPM (4.2) para datos longitudinales. Un problema crtico de las
tcnicas anteriores es que las caractersticas de los datos longitudinales no se incorporan
directamente en los estimadores y estimaciones de las funciones individuales no son
consideradas. En muchos estudios longitudinales, estimacin e inferencia de las
funciones individuales son tan importantes como la funcin de media poblacional. En
esta seccin, extendemos el modelo NPM (4.2) a un modelo que incorpora la funcin de
media poblacional y las funciones individuales de los datos longitudinales de forma
simultnea. El nuevo modelo se puede expresar como
donde como en el modelo NPM (4.2),
modela la funcin de media poblacional
suave de los datos longitudinales, tambin llamada funcin de efecto fijo;
modela
la salida de la -sima funcin individual de la funcin de media poblacional
llamada la -sima funcin de efectos individual (sujeto-especificado) o funcin de

efecto aleatorio; y
la funcin de error de medicin que no se puede explicar ni por
las funciones de efecto fijo o de efecto aleatorio. Es fcil ver que el trmino de error,
, del modelo (4.2), ahora se convierte en dos trminos,
, del nuevo
modelo (4.18). El modelo (4.18) se le llama modelo no paramtrico de efectos mixtos

(nonparametric mixed-effects (NPME)) ya que tanto las funciones de efecto fijo y efecto
aleatorio son no paramtricas.
Por conveniencia, a menudo asumimos que las funciones de efecto aleatorio no
observables
(SP)) subyacente
son copias i.i.d. de un proceso suave (smooth process

con funcin media 0 y funcin covarianza
procesos de error de medicin no observables

ruido blanco incorrelado
. Esto es,
44
, y que los
son copias i.i.d. de un proceso de
con funcin media 0 y funcin covarianza

y
. En este trabajo, cuando se trata

con inferencias bayesianas o basadas en la probabilidad, por lo general asumimos que
los procesos asociados son Gausianos, es decir,
Ntese que
caracterizan los rasgos generales de una
poblacin longitudinal de modo que son caractersticas de la poblacin, mientras que

las funciones de efecto aleatorio
son especificas de sujeto de modo que son caractersticas de los

individuos. El objetivo principal del modelado NPME es estimar el efecto de la
poblacin y predecir los efectos individuales para un estudio longitudinal. Para
simplificar, la funcin de media poblacional
tambin se les conoce como curvas de la poblacin e individual. Debido a que las
cantidades objetivo
son todas no paramtricas, el modelado NPME
requiere una combinacin de una tcnica de suavizado y un enfoque de modelado de

efectos mixtos.
4.4. Modelado de efectos mixtos polinomial local
En el resto de este captulo, se aplican tcnicas de suavizado del ncleo
polinomial local (local polynomial kernel (LPK)) al modelo NPME (4.18) para analizar
datos longitudinales. Los principios de probabilidad local (Tibshirani y Hastie 1987) se
utilizan para guiar el desarrollo de las metodologas.
4.4.1. Aproximacin polinomial local
Las cantidades objetivo
se pueden estimar a travs de la
aproximacin a nivel local en el modelo NPME (4.18) por un polinomio basado en el

modelo LME. Esto se puede lograr a travs de la expansin de Taylor de
en torno a una zona de inters.

Supongamos que
tienen un mximo de
en el modelo NPME (4.18) es suave, por ejemplo,
-veces derivadas continuas en cada punto dentro de algn
intervalo de inters, llamado
, donde
Taylor, para cualquier
fijo,
es un entero no negativo. Por la expansin de

y
en
polinomio de grado -simo dentro de una zona de :
45
se puede aproximar por un
donde
De ello se sigue que, dentro de una zona de , el modelo NPME (4.18) puede ser
razonablemente aproximado por un modelo LME:
donde
denota las medicin y errores en el modelo de aproximacin, y
denota los
efectos aleatorios. Bajo el supuesto Gausiano (4.19),
Basado en el modelo NPME (4.18), los componentes de varianza

y
vector de efectos fijos
y la matriz de covarianza
. Ntese que como el

son las funciones de la ubicacin
local , por conveniencia, las llamamos la versin localizada del vector de efectos fijos
y la versin localizada de la matriz de covarianza, respectivamente, o en general los
parmetros localizados.
4.4.2. Estimacin por mxima verosimilitud local
Tibshirani y Hastie (1987) propusieron por primera vez el mtodo de mxima
verosimilitud local. Staniswalis (1989) y Fan, Farmen y Gijbels (1998) estudiaron ms a
fondo las propiedades de los estimadores de mxima verosimilitud local del ncleo
ponderado. En esta subseccin, aplicamos el mtodo de mxima verosimilitud local a
46

datos longitudinales en los que las correlaciones entre-sujeto normalmente existen (Park
y Wu 2005).
Supongamos que
es un vector de observaciones
obtenido del -simo sujeto en los puntos de tiempo

densidad de probabilidad
para
y tiene una funcin de
. Entonces la contribucin del -simo
sujeto al total del logaritmo de verosimilitud (log-likelihood) es

, donde
son vectores de parmetros desconocidos a estimar. El
logaritmo de verosimilitud (log-likelihood) de las observaciones de todos los
sujetos
es entonces dado por
Cuando
son parmetros localizados, por ejemplo, la versin localizada del
vector de efectos fijos
y la versin localizada de la matriz de covarianza
descritos
en la subseccin anterior, es ms natural definir el logaritmo de verosimilitud (loglikelihood) local. Una forma de hacerlo es utilizar el logaritmo de verosimilitud (loglikelihood) del ncleo ponderado como se discute en Staniswalis (1989) y Fan, Farmen
y Gijbels (1998), entre otros.
Sea
donde
es una funcin del ncleo y
banda. Sea
es un ancho de
la matriz diagonal de pesos del
ncleo en la zona de para el -simo sujeto donde
. Entonces el logaritmo
de verosimilitud (log-likelihood) del ncleo ponderado se define por
que es una funcin de

A modo de ejemplo, si
donde
y
.
, entonces el
logaritmo de verosimilitud (log-likelihood) del ncleo ponderado se puede escribir

como
47
que es una funcin de logaritmo de verosimilitud (log-likelihood) local estndar para

datos independientes como se discute en Staniswalis (1989) y Fan, Farmen y Gijbels
(1998). En el caso de no correlacin intra-sujeto, el logaritmo de verosimilitud (loglikelihood) local ponderado (4.23) se puede escribir como
Esto coincide con los casos considerados por Hoover, Rice, Wu y Yang (1998) y
Lin y Carroll (2000).
En general, la forma del logaritmo de verosimilitud (log-likelihood) local es un
problema especfico. La aplicacin del peso del ncleo de diferentes maneras puede dar
lugar a diferentes estimadores. En las subsecciones siguientes se muestran las
aplicaciones del logaritmo de verosimilitud (log-likelihood) del ncleo ponderado (4.23)
en diferentes escenarios para modelos NPME.
4.4.3. Estimacin a partir de la verosimilitud local marginal
En esta subseccin, introducimos un mtodo de verosimilitud local marginal
para estimar la funcin de media poblacional
aproximacin del modelo LME (4.22), sea
(Park y Wu 2005). Para la

y supongamos que el
supuesto Gausiano (4.19) se cumple. Entonces, la distribucin marginal local de

aproximacin del modelo LME (4.22) es normal con una media de
en la
y varianza de
. Por tanto se obtiene la funcin logaritmo de verosimilitud (loglikelihood) para :
donde
. Basndose en la expresin anterior y aplicando
(4.23), podemos escribir la funcin logaritmo de verosimilitud (log-likelihood) marginal

local para estimar
48
como
donde
con la matriz de pesos del ncleo
de residuos
simtricamente.
Para las matrices de varianza dadas

con respecto a
ponderando el vector
, la diferenciacin de (4.25)
obtiene la estimacin de la ecuacin para :
donde
,y
Por tanto, un estimador de forma cerrada para
Cuando
es
son conocidas, el estimador (4.27) se puede obtener
ajustando el modelo siguiente:
usando la funcin lm de R, donde

tienen media 0 y varianza
. El modelo (4.28) es un modelo de regresin lineal
estndar con la variable respuesta
y la covariable
El estimador local de probabilidad marginal de
donde
es un vector
,y
se puede encontrar como
-dimensional con el primer elemento siendo 1 y 0 en otro
lugar.
Las matrices de covarianza
se han supuesto que se conocen con
el fin de obtener el estimador de forma cerrada (4.27). En la prctica, se suelen

encontrar ejemplos reales donde las matrices de covarianza son desconocidas y deben
estimarse. La estimacin de las matrices de covarianza as como de las curvas de efecto
aleatorio se introducir en las siguientes secciones. Cuando
49
son

matrices diagonales conocidas, el estimador
se reduce al estimador LPK-GEE
propuesto por Lin y Carroll (2000).

4.4.4. Estimacin a partir de la verosimilitud local conjunta
En esta seccin, un enfoque de estimacin alternativa se propone para estimar
los parmetros en el modelo localizado LME (4.22) con datos longitudinales (Park y
Wu 2005). Bajo el supuesto Gausiano (4.19), tenemos
. Por tanto, el logaritmo de la funcin de densidad conjunta de

es
donde
,
. Puesto que
aleatorios, el
y
son los vectores de parmetros de efectos
no es un habitual logaritmo de verosimilitud (log-likelihood).
Por conveniencia, a partir de ahora y a lo largo de este trabajo, llamamos
un
logaritmo de verosimilitud generalizado (generalized log-likelihood (GLL)) de
Entonces el logaritmo de verosimilitud generalizado localizado (localized

generalized log-likelihood (LGLL)) en la zona de un tiempo
puede considerarse de
dos maneras diferentes:
donde
,y
es un vector
con todos los elementos s.
En (4.31), los pesos del ncleo se aplican simtricamente slo a los trminos de
residuos
de la funcin GLL, mientras, en (4.32),
los pesos del ncleo se aplican a toda la funcin GLL de (4.30) en la que los trminos
50

de efecto aleatorio
tambin se multiplican por los pesos del ncleo. Estos dos
mtodos diferentes de ponderacin del ncleo dan lugar a dos estimadores diferentes.
Minimizando el criterio LGLL (4.31) da lugar a estimadores exactos de efectos
mixtos polinomial local (local polynomial mixed-effects (LPME)) propuestos por Wu y
Zhang (2002a), y el modelado asociado que se denomina como el modelado LPME.
Para determinados
, resolver el problema de minimizacin (4.31) es
equivalente a resolver la llamada ecuacin del modelo mixto (Davidian y Giltinan 1995,
Zhang, Lin, Raz y Sowers 1998):
donde
se definen como en la subseccin anterior, y

,y
Entonces los resultados de los estimadores LPME para
son
donde
En notacin matricial, los estimadores anteriores se pueden escribir en una

forma ms compacta:
donde
. En las siguientes secciones, nos centraremos en estos
estimadores.
Del mismo modo podemos obtener los estimadores LPME basados en el criterio
LGLL (4.32). De hecho, para determinados
51
, los estimadores LPME

obtenidos maximizando (4.31) y (4.32) se pueden escribir en una forma unificada, que
es la solucin a las siguientes ecuaciones normales del modelo mixto:
donde
correspondientes a los estimadores derivados del
criterio LGLL (4.31) y (4.32) respectivamente. Al resolver las ecuaciones normales

anteriores (4.36), los estimadores LPME para
y ,
, bajo los supuestos de conocidos
, se puede escribir como las siguientes formas cerradas:
donde
. Por tanto, los estimadores de
se
pueden encontrar como
Uno puede notar que la diferencia entre el estimador a partir de verosimilitud

local marginal (4.27) y el estimador (4.37) para el parmetro
de la poblacin se debe
a diferentes funciones de peso. En las estimaciones de los parmetros de efectos

aleatorios (4.38), el parmetro
de la poblacin puede ser reemplazado por cualquiera
de los estimadores consistentes, tales como (4.27) o (4.37). De hecho,
es un
estimador de Bayes emprico o un mejor predictor lineal insesgado (best linear

unbiased predictor (BLUP)), vase Davidian y Giltinan (1995) y Vonesh y Chinchilli
(1996) para ms detalles. Las estimaciones de los efectos aleatorios, nos permiten captar
las curvas de respuesta individual,
, que es una gran ventaja de los
modelos NPME. Tambin se puede ver fcilmente que, a partir de (4.36) con
, la aplicacin de diferentes pesos del ncleo pueden dar lugar a
52

diferentes estimadores de verosimilitud local. Estos estimadores pueden tener diferentes
propiedades y eficiencias.
En los debates posteriores, centramos nuestra atencin en los estimadores LPME
(4.33). Sin embargo, las metodologas desarrolladas pueden similarmente aplicarse a los
estimadores generales (4.37) y (4.38). Una de las ventajas de los modelos LPME es que
se puede implementar fcilmente usando el software existente para los modelos LME.
De hecho, para cada dado, los estimadores LPME (4.33) se pueden obtener a travs de
la adaptacin operacionalmente del siguiente modelo LME estndar:
donde
. El primero se trata como la
variable de respuesta, mientras que el segundo se trata como las covariables de efectos
fijos y efectos aleatorios. Ellos son en realidad la variable de respuesta localizada, las
covariables de efectos fijos y efectos aleatorios en el punto de tiempo dado . Los
estimadores LPME (4.33) y sus desviaciones estndar se pueden obtener entonces a
travs de adaptacin (4.40) utilizando la funcin lme de R.
4.4.5. Estimacin de los componentes
A partir de (4.21) y (4.33), fcilmente se obtienen los estimadores LPME de
,
y sus -simas derivadas:
para
. En particular,
LPME de
son los estimadores
El estimador de
puede ser obtenido directamente mediante ajuste del
modelo (4.40), y podemos estimar
53
por el mtodo de los momentos, por ejemplo,
Basado en
, nuevas inferencias se pueden hacer. Por ejemplo, se
pueden realizar anlisis de componentes principales (principal component analysis

(PCA)) sobre los datos longitudinales basados en la descomposicin de valor singular
de
. Por otra parte,
de hiptesis acerca de
se pueden utilizar para llevar a cabo pruebas
4.5. Eleccin de buenos anchos de banda

Para simplificar la discusin, en la seccin anterior, el ncleo
banda
se supone que estn dados y fijos. En la prctica,
elegido. Cuando
y el ancho de
debe ser cuidadosamente
es muy pequeo, los estimadores LPME resultantes
suelen ser muy ruidosos, y cuando
es demasiado grande,
y
puede
sobresuavizarse los datos ya que alguna informacin importante en los datos no est
suficientemente capturada. En esta seccin, hablaremos de cmo elegir buenos anchos
de banda para los estimadores LPME.
En primer lugar, por (4.33), es fcil ver que el conjunto de datos est
involucrado en los estimadores de la poblacin
mientras que slo los datos del
sujeto estn dedicados principalmente a la curva de los estimadores individuales para

el -simo sujeto, es decir,
banda para la estimacin de
. Por lo tanto, diferentes anchos de

y
deben ser utilizados para dar cuenta de las
diferentes cantidades de datos en cuestin. Siguiendo Rice y Silverman (1991), el

criterio de validacin cruzada dejar-un-sujeto-fuera (subject cross-validation (SCV))
se puede utilizar para seleccionar un ancho de banda adecuado para la estimacin
Para un conjunto de datos longitudinales, se sabe que, condicionado a un sujeto

particular, digamos sujeto , las mediciones del sujeto
son no correlacionadas e
independientes; adems, las mediciones de la funcin de media condicional es

exactamente la curva individual
. En este caso, el criterio usual de validacin
cruzada dejar-un-sujeto-fuera (subject cross-validation (SCV)), que tradicionalmente

se propone para los datos no correlacionados e independientes, parece ser apropiado
para la seleccin de buenos anchos de banda para la estimacin de
simplificar, un ancho de banda comn para la estimacin de
54
. Para
para todos los sujetos

ser utilizado porque el
se supone que son del mismo proceso subyacente y por lo
tanto se puede suponer que tienen suavidades similares en general.

4.5.1. Validacin cruzada dejar-un-sujeto-fuera
La puntuacin (subject cross-validation (SCV)) se define como
donde
representa el estimador de
basado en los datos con las mediciones
del sujeto totalmente excluidos, y los pesos
toman el nmero de mediciones
de los sujetos individuales en cuenta. El ancho de banda SCV ptimo

el minimizador de
se define como
. Rice y Silverman (1991) seal que el (subject cross-
validation (SCV)) es ms apropiado para la estimacin de la curva (media) de la

poblacin que el (point cross-validation (PCV)). Hart y Wehrly (1993) mostr que el
ancho de banda SCV es consistente.
Es computacionalmente intenso calcular el criterio SCV (4.43) ya que
necesitamos repetidamente calcular el ajuste del modelo LPME
veces para obtener
; cada ajuste tiene aproximadamente la misma cantidad de esfuerzo

computacional como para calcular
utilizando el conjunto de datos entero. Para
superar este problema, una aproximacin de

banda
o
se puede utilizar. Para un ancho de
dado, todos los datos se pueden utilizar para estimar

, entonces
(4.34), es decir
se obtiene aproximadamente a partir de la solucin de forma
cerrada (4.41) para la estimacin de
suprimiendo el trmino que implica el -simo
sujeto. Esto es,
Por lo tanto, la nica aproximacin requiere ajustar el modelo LPME una vez
para calcular la puntuacin SCV (4.43) para todos los sujetos, y por tanto el esfuerzo
computacional es mucho menor.
55

4.5.2. Validacin cruzada dejar-un-punto-fuera
El criterio PCV se define como sigue. Supongamos
todos los
puntos distintos en tiempo de diseo para el conjunto de datos entero. Para un

supongamos que los sujetos
Sean
tienen mediciones en
los estimadores de
tiempo de diseo
dado,
cuando todos los datos en el punto en
son excluidos. Entonces la puntuacin (point cross-validation
(PCV)) se define como
donde los pesos

banda PCV ptimo
toman el nmero de mediciones en

se define como el minimizador de
en cuenta. El ancho de
.
4.6. Aplicacin a los datos de progesterona

Los datos de progesterona introducidos en el Captulo 1 han sido
cuidadosamente estudiados por Brumback y Rice (1998) como una interesante
ilustracin de sus modelos ANOVA funcionales basados en la suavizacin spline. La
necesidad de intensiva computacin representa un gran desafo para su mtodo. Fan y
Zhang (2000) volvi a analizar los datos utilizando un mtodo de dos pasos. En esta
seccin, aplicamos el mtodo (nonparametric mixed-effects (NPME)) a este conjunto de
datos como una ilustracin de las metodologas introducidas en este captulo.
Los datos de progesterona consisten en dos grupos de curvas de progesterona del
metabolito urinario (ver Figuras 1.1 y 1.2). Uno de ellos es conocido como el grupo no
conceptivo con 69 ciclos menstruales de mujeres; el otro como el grupo conceptivo con
22 ciclos menstruales de mujeres. Aproximadamente el 8.3% de los datos eran faltantes.
Los dos grupos de curvas estn muy correlacionados con coeficientes de correlacin por
encima de 0.70 y 0.50, respectivamente. En este ejemplo de alta correlacin y baja tasa
de valores faltantes, vamos a aplicar el mtodo NPME para estimar las curvas de la
poblacin y las curvas individuales. Debido a que los grupos conceptivo y no
conceptivo parecen mostrar diferencias, deben analizarse por separado. Para ahorrar
56

espacio, slo informamos de los resultados de los datos del grupo conceptivo o
equivalentemente de los datos de progesterona conceptiva.
Los detalles para ajustar el modelo NPME (4.18) a los datos de progesterona
conceptiva son como sigue. Se utiliza la funcin lme de R para ajustar el modelo (4.18)
localmente. En primer lugar, para estimar la funcin de efecto fijo o funcin de media
poblacional
utilizamos el estimador local de probabilidad marginal (4.29) de Park
y Wu (2005). A continuacin, para la estimacin de la funcin de efecto aleatorio

utilizamos una aproximacin por un modelo semiparamtrico, pasamos del modelo
(4.18) al siguiente modelo:
De esta manera, estimamos
usando la ecuacin (2.9) del Captulo 2. En la Figura 4.1
podemos ver la representacin de la estimacin lineal paramtrica del modelo descrito

anteriormente utilizando el mtodo (maximun likelihood (ML)), dicha representacin es
la recta de puntos rojos. Tambin se puede ver la representacin de la estimacin lineal
local utilizando las estimaciones de las varianzas obtenidas por el mtodo ML y usando
, dicha representacin es la curva de puntos azules.
0
-2
-4
log (prog)
Figura 4.1 Grupo conceptivo
-5
5
dias
57
10
15

A continuacin, para realizar la representacin de las curvas individuales de los
datos de progesterona conceptiva hemos seleccionado los sujetos 1, 4, 5 y 22 como se
muestran en los paneles (a), (b), (c) y (d) de la Figura 4.2 respectivamente. Adems,
para cada sujeto, representamos la estimacin lineal paramtrica que se muestra como
curva (recta) de color rojo en el grfico y la estimacin lineal local no paramtrica que
se muestra como curva de color azul en el grfico.
Figura 4.2 (a) Sujeto 1
2
-4
-4
10
-5
15
10
dias
dias
Figura 4.2 (c) Sujeto 5
Figura 4.2 (d) Sujeto 22
15
-4
0
-4
-2
-2
log (prog)
-5
log (prog)
log (prog)
-2
0
-2
log (prog)
Figura 4.2 (b) Sujeto 4
-5
5
dias
10
15
-5
10
15
dias
Por ltimo, vamos a representar todas las curvas individuales de los datos de
progesterona conceptiva utilizando la estimacin lineal paramtrica como se muestra en
la Figura 4.3 y usando tambin la estimacin lineal local no paramtrica como se
muestra en la Figura 4.4.
58
0
-4
-2
log (prog)
Figura 4.3 Grupo conceptivo con LME
-5
10
15
dias
0
-2
-4
log (prog)
Figura 4.4 Grupo conceptivo con LLME y h_plug
-5
5
dias
59
10
15

Apndice: Cdigo en R generado para las aplicaciones
########## LECTURA DE LOS DATOS DE PROGESTERONA ##########
datos0 <- read.table(file='br.txt', header=T, skip=15)
##### grupo <- 1, este caso es para el grupo no conceptivo
grupo <- 2
if (grupo==1) datos <- datos0[datos0[,1]==0 & datos0[,6]==0,]
##### El grupo no conceptivo
if (grupo==2) datos <- datos0[datos0[,1]==1 & datos0[,6]==0,]
##### El grupo conceptivo
datos <- datos[,-c(1,2,6)]
N <- nrow(datos)
##### Los datos deben ir ordenados segn el efecto aleatorio (en este caso lo estn)
var.bi <- as.numeric(datos[,1])
##### var.bi recoge el cdigo de cada individuo en el anlisis (ciclos)
nis <- as.vector(table(var.bi))
##### nis recoge el nmero de observaciones por ciclo (aproximadamente 24)
q <- length(nis)
##### q es el nmero de individuos
cum.nis <- cumsum(nis)
##### cum.nis son las sumas acumuladas de nis
bi <- var.bi[cum.nis]
##### bi recoge los cdigos distintos en var.bi
##### Variable de respuesta (y.ij = log progesterona = log (prog))

y.ij <- datos[,3]
yis <- lapply(1:q, FUN=get.vec.i, vv=y.ij, cum.nis=cum.nis)
##### Variable explicativa (vec.x = dias)
vec.x <- datos[,2]
60

########## REPRESENTACIN GRFICA DE LOS DATOS ##########
########## Grficos de curvas individuales (spaguetti plot o raw curves)
##### Debemos elegir grupo <- 2 para representar, en este caso, el grupo conceptivo
plot(vec.x, y.ij, col='gray', main='Figura 1.1 (a) Grupo conceptivo', xlab='dias',
ylab='log (prog)')
##### Con esta orden representamos los puntos para el grupo conceptivo
sapply(1:q, function(i) lines(vec.x[var.bi==bi[i]], y.ij[var.bi==bi[i]]))
##### Con esta orden unimos los puntos con lneas continuas para el grupo conceptivo
##### Debemos elegir grupo <- 1 para representar, en este caso, el grupo no conceptivo
plot(vec.x, y.ij, col='gray', main='Figura 1.2 (a) Grupo no conceptivo', xlab='dias',
ylab='log (prog)')
##### Con esta orden representamos los puntos para el grupo no conceptivo
##### Con esta orden unimos los puntos con lneas continuas para dicho grupo
########## Grficos de curvas medias con bandas de desviacin estndar

##### Debemos elegir grupo <- 2 para representar, en este caso, el grupo conceptivo
var.time <- as.numeric(datos[,2])
##### var.time recoge los tiempos de todos los individuos en el anlisis
n.time <- as.vector(table(var.time))
##### n.time recoge el nmero de observaciones por cada punto de tiempo distinto
t <- length(n.time)
##### t es el nmero de puntos de tiempo distintos
medias <- sapply(1:t, function(i) mean(y.ij[var.time==var.time[i]]))
##### medias son las medias de las observaciones en cada punto de tiempo distinto
time <- c(-8,-7,-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15)
##### time son los puntos de tiempo
plot(time, medias, xlim=c(-8,16), ylim=c(-2,3), main='Figura 1.1 (b) Grupo conceptivo',
xlab='dias', ylab='log (prog)')
##### Con esta orden representamos los puntos de la curva media
61

lines(time, medias)
##### Con esta orden unimos los puntos de la curva media con lnea negra continua
longitud <- sapply(1:t, function(i) length(y.ij[var.time==var.time[i]]))
##### longitud es el nmero de observaciones en cada punto de tiempo distinto
desviacion <- sapply(1:t, function(i) sd(y.ij[var.time==var.time[i]])/sqrt(longitud[i]))
##### desviacion es la desviacin tpica de las observaciones en cada punto de tiempo
positiva <-sapply(1:t, function(i) medias[i]+2*desviacion[i])
##### positiva son los puntos de la curva de desviacin estndar (SD) positiva
plot(time,positiva, xlim=c(-8,16), ylim=c(-2,3), main='Figura 1.1 (b) Grupo conceptivo',
##### Con esta orden representamos los puntos de la curva SD positiva
lines(time, positiva, col='red')
##### Con esta orden unimos los puntos de la curva SD positiva con lnea roja continua
negativa <-sapply(1:t, function(i) medias[i]-2*desviacion[i])
##### negativa son los puntos de la curva de desviacin estndar (SD) negativa
plot(time,negativa, xlim=c(-8,16), ylim=c(-2,3),main='Figura 1.1 (b) Grupo conceptivo',
##### Con esta orden representamos los puntos de la curva SD negativa
lines(time, negativa, col='red')
##### Con esta orden unimos los puntos de la curva SD negativa en lnea roja continua
##### Para superponer las tres curvas en un mismo grfico, como puede verse en la
##### Figura 1.1 (b) y Figura 1.2 (b) debemos utilizar la orden points como sigue:
points(time, medias, col='gray')
##### Con esta orden representamos los puntos de la curva media en color gris
points(time, positiva)
points(time, negativa)
62

##### Debemos elegir grupo <- 1 para representar, en este caso, el grupo no conceptivo
##### En este caso todo es igual al caso del grupo conceptivo salvo lo siguiente:
plot(time, medias, xlim=c(-8,16), ylim=c(-2,2), main='Figura 1.2 (b) Grupo no
conceptivo', xlab='dias', ylab='log (prog)')
##### Con esta orden representamos los puntos de la curva media
plot(time, positiva, xlim=c(-8,16), ylim=c(-2,2), main='Figura 1.2 (b) Grupo no
plot(time, negativa, xlim=c(-8,16), ylim=c(-2,2), main='Figura 1.2 (b) Grupo no
########## Grficos de ajustes de modelos polinomiales a los datos

##### Debemos elegir grupo <- 1 puesto que el sujeto seleccionado pertenece al grupo
##### no conceptivo, dicho sujeto es el de cdigo 5 (ciclo = 5)
sujeto <- y.ij[var.bi==5]
##### sujeto recoge las respuestas (log progesterona) del sujeto seleccionado
tiempo <- c(-8,-7,-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6,7,8,9,10,11,12,13,14)
##### tiempo son los puntos de tiempo del sujeto seleccionado
plot(tiempo, sujeto, xlim=c(-8,16), ylim=c(-1,3), main='Figura 3.1 (a) Lineal',
##### Con esta orden representamos los puntos del sujeto seleccionado
x <- tiempo
##### Recodificamos tiempo como x para mayor comodidad
y <- sujeto
##### Recodificamos sujeto como y para mayor comodidad
ajuste1 <- lm(y~poly(x,1))
##### ajuste1 recoge el ajuste a un polinomio de grado 1
xx <- seq(-8,16, length.out=250)
lines(xx, predict(ajuste1, data.frame(x=xx)))
##### Con esta orden representamos el ajuste1 en el grfico con lnea continua
63

plot(tiempo, sujeto, xlim=c(-8,16), ylim=c(-1,3), main='Figura 3.1 (b) Cuadrtico',
##### Con esta orden representamos el ajuste2 en el grfico con curva continua
plot(tiempo, sujeto, xlim=c(-8,16), ylim=c(-1,3), main='Figura 3.1 (c) Cbico',
plot(tiempo, sujeto, xlim=c(-8,16), ylim=c(-1,3), main='Figura 3.1 (d) Cuartico',
########## Grfico de tres ajustes lineales locales para el sujeto seleccionado

library(KernSmooth)
plot(tiempo, sujeto, xlim=c(-8,16), ylim=c(-1,3), main='Figura 3.2 Ajustes lineales
locales', xlab='dias', ylab='log (prog)')
##### Con esta orden representamos los puntos del sujeto seleccionado anteriormente
ajuste2 <- locpoly(x, y, bandwidth = 0.5)
##### ajuste2 recoge un ajuste lineal local con ancho de banda 0.5
lines(ajuste2, col='red')
##### Con esta orden representamos el ajuste2 en el grfico con curva de color rojo
64

lines(ajuste1, col='black')
##### Con esta orden representamos el ajuste1 en el grfico con curva de color negro
lines(ajuste3, col='blue')
##### Con esta orden representamos el ajuste3 en el grfico con curva de color azul
########## Estimacin lineal paramtrica

##### Modelo sencillo: y.ij = m(t.ij) + b.i + e.ij suponiendo m() lineal
library(nlme)
lmxy <- lme(y.ij ~ vec.x, random= ~ 1 | var.bi, method="ML")
##### Nos quedamos con las estimaciones de las varianzas
### > lmxy
### Linear mixed-effects model fit by maximum likelihood
### Data: NULL
### Log-likelihood: -552.2634
### Fixed: y.ij ~ vec.x
### (Intercept)
vec.x
### 0.1276360 0.1460603

###
### Random effects:
### Formula: ~1 | var.bi
###
(Intercept) Residual
### StdDev: 0.7447658 0.6584556

###
### Number of Observations: 514
### Number of Groups: 22
65
(ESTAS SON LAS DESVIACIONES TPICAS)

##### Por el mtodo REML tenemos lo siguiente:
lmxy <- lme(y.ij ~ vec.x, random= ~ 1 | var.bi, method="REML")
### > lmxy
### Linear mixed-effects model fit by REML
### Data: NULL
### Log-restricted-likelihood: -557.706
### Fixed: y.ij ~ vec.x
### (Intercept)
vec.x
### 0.1276368 0.1460601

###
### Random effects:
### Formula: ~1 | var.bi
###
(Intercept) Residual
### StdDev: 0.7628585 0.6591255
(ESTAS SON LAS DESVIACIONES TPICAS)
###
### Number of Observations: 514
### Number of Groups: 22
m.LME <- as.vector(lmxy$fitted[,1])

##### m.LME es la estimacin de m(t.ij)
points(vec.x, m.LME, col=2, cex=0.8, pch=21, bg=2)
##### Con esta orden representamos en el grfico con puntos rojos la estimacin lineal
##### de la curva de la poblacin
##### Ahora calculamos las estimaciones de las curvas por individuos
b.LME <- as.vector(random.effects(lmxy)[,1])
##### b.LME son las estimaciones de b.i
##### Para el sujeto 1 tenemos:

i <- 1
66

x.i <- vec.x[var.bi==bi[i]]
y.i <- m.LME[var.bi==bi[i]]+b.LME[i]
plot(x.i, y.i, xlim=c(-8,16), ylim=c(-4,4), col='red', main='Figura 4.2 (a) Sujeto 1',
xlab='dias', ylab='log (prog)', type='l')
points(vec.x[var.bi==bi[i]], y.ij[var.bi==bi[i]], col='gray')
i <- 4
plot(x.i, y.i, xlim=c(-8,16), ylim=c(-4,4), col='red', main='Figura 4.2 (b) Sujeto 4',
i <- 5
plot(x.i, y.i, xlim=c(-8,16), ylim=c(-4,4), col='red', main='Figura 4.2 (c) Sujeto 5',
i <- 22
plot(x.i, y.i, xlim=c(-8,16), ylim=c(-4,4), col='red', main='Figura 4.2 (d) Sujeto 22',
##### Si queremos pintarlas todas hacemos:

plot(vec.x, y.ij, col='gray', main='Figura 4.3 Grupo conceptivo con LME', xlab='dias',
ylab='log (prog)')
67

sapply(1:q, function(i)
{
lines(x.i, y.i, col=i)
}
)
########## Estimacin lineal local sin considerar la correlacin

library(KernSmooth)
##### Ancho de banda (Bandwidth): h
##### Usamos un plug-in (Rupper, Sheather and Wand en KernSmooth)
##### para un modelo sin efectos aleatorios
h.plug <- dpill(vec.x, y.ij)
### > h.plug
### [1] 1.294126
########## Estimacin lineal local considerando la correlacin (marginal)

##### Utilizamos las estimaciones de las varianzas por ML (obtenida con lme)
##### En el grupo 2 o grupo conceptivo tenemos:
v.b <- 0.7447658^2
v.e <- 0.6584556^2
########## Calculo de la inversa de la raz de la matriz de covarianzas

zis <- lapply(1:q, FUN=get.vec.i, vv=vec.x, cum.nis=cum.nis)
Vs <- Vs.calculos(q, nis, v.e, v.b, zis)
library(Matrix)
inv.Vis.half <- Vs$inv.Vis.half
inv.V.half <- as.matrix(bdiag(inv.Vis.half))
68

##### El estimador segn sugerencia de Park y Wu (2005) es el siguiente:
m.LLME <- Local.marginal(h=h.plug, grid.x=vec.x, vec.x, y.ij, inv.V.half, deg=1)
m.LLME <- as.vector(m.LLME)
##### Para representarlo grficamente utilizamos la siguiente orden:
points(vec.x, m.LLME, col='blue', pch=21, bg='blue')
##### Ahora calculamos las estimaciones de las curvas por individuos
b.LLME <- estim.bi(m.LLME, nis, y.ij, v.b, inv.V)
##### b.LLME son las estimaciones de b.i

i <- 1
y.i <- m.LLME[var.bi==bi[i]]+b.LLME[i]
plot(x.i, y.i, xlim=c(-8,16), ylim=c(-4,4), col='blue', main='Figura 4.2 (a) Sujeto 1',
##### De la misma forma se tiene para los sujetos 4, 5 y 22
##### Si queremos pintarlas todas hacemos:

plot(vec.x, y.ij, col='gray', main='Figura 4.4 Grupo conceptivo con LLME y h_plug',
sapply(1:q, function(i)
{
y.i <- m.LLME[var.bi==bi[i]]+b.LLME[i]
lines(x.i, y.i, col=i)
}
)
69

########## FUNCIONES CREADAS PARA EL ANLISIS ##########
Local.marginal <- function(h, grid.x, vec.x, y.ij, inv.V.half, deg)
{
##### Argumentos: bandwidth: h, evaluation point: x
##### Calcula la funcin media en la red de puntos grid.x
##### deg = 0 o 1
##### k es la dimensin de la covariable vec.x, k=1
N <- length(y.ij)
each.x <- function(x)
{
##### Matriz de pesos kernel: W.hx
diag.w <- h^(-1) * Kepa((vec.x-x)/h)
W.hx.half <- diag(sqrt(diag.w),N)
##### Construimos la matriz de diseo
##### Matriz de diseo: X (dimensin N times 2) de vec.x
nc <- 1+deg
X <- matrix(1, nrow= N, ncol=nc)
if (deg==1) X[,2:nc] <- vec.x - x
##### Transformacin para local
Xw <- inv.V.half %*% W.hx.half %*% X
yw <- inv.V.half %*% W.hx.half %*% y.ij
lmxy <- lm.fit(Xw, yw)
beta.x <- lmxy$coefficient[1]
}
beta.ts <- sapply(grid.x, each.t)
return(beta.ts)
}
##### Ejemplo:
##### Local.marginal(h=2, grid.x=vec.x, vec.x, y.ij, inv.V.half, deg=1)
70

##### Clculos de matrices de varianzas-covarianzas (conocidas):inversas, races,..
##### por bloques de tamaos n_i
Vs.calculos <- function(q, nis, v.e, v.b, zis)
{
block.V <- function(i)
{
zi <- as.matrix(zis[[i]])
Vi <- v.b*zi %*% t(zi) + diag(v.e,nis[i])
Vi
}
Vis <- lapply(1:q, block.V)
{
inv.Vi <- solve(as.matrix(Vis[[i]]))
}
inv.Vis <- lapply(1:q, block.V)
{
Vi.half <- chol(as.matrix(Vis[[i]]))
}
Vis.half <- lapply(1:q, block.V)
{
zi <- as.matrix(zis[[i]])
Vi <- v.b*zi %*% t(zi) + diag(v.e,nis[i])
inv.Vi <- solve(Vi)
inv.Vi.half <- chol(inv.Vi)
inv.Vi.half <- as.matrix(inv.Vi.half)
inv.Vi.half
71

}
inv.Vis.half <- lapply(1:q, block.V)
##### la funcin devuelve los resultados en bloques dentro de listas
return(list(Vis=Vis,Vis.half=Vis.half,inv.Vis=inv.Vis,inv.Vis.half=inv.Vis.half))
}
##### Estimador local marginal de la funcin media con varianzas conocidas

##### Implementacin usando la frmula 4.28 de la pgina 49
get.vec.i <- function(pos, vv, cum.nis)
##### la funcin get.vec.i devuelve una lista con vectores por bloques
{
if (pos==1) desde <- 1 else desde <- cum.nis[pos-1]+1
hasta <- cum.nis[pos]
vec.i <- vv[desde:hasta]
return(vec.i)
}
##### yis <- lapply(1:q, FUN=get.vec.i, vv=y.ij, cum.nis=cum.nis)
##### Epanechnikov kernel

Kepa <- function(u) {(0.75*(1-(u)^2))*(abs(u)<1)}

mat.Z[1:nis[1],1] <- 1
for (i in 2:q)
{
desde <- cum.nis[i-1]+1
hasta <- cum.nis[i]
mat.Z[desde:hasta,i] <- 1
}
72

var.bi <- mat.Z %*% b.i ##### length=N
var.bi <- as.vector(var.bi)
estim.bi <- function(mhat.ij, nis, y.ij, v.b, inv.V)

{
##### calcula el efecto aleatorio en el modelo semiparamtrico
##### mhat.ij es la estimacin del efecto fijo sobre las observaciones, length=n
q <- length(nis)
mat.Z <- matrix(0,N,q)
mat.Z[1:nis[1],1] <- 1
for (i in 2:q)
{
desde <- cum.nis[i-1]+1
hasta <- cum.nis[i]
mat.Z[desde:hasta,i] <- 1
}
Diag.Sigma.b <- diag(v.b,q)
bhat <- Diag.Sigma.b %*% t(mat.Z) %*% inv.V %*% (y.ij-mhat.ij)
return(as.vector(bhat))
}
73

Referencias
1. Akaike, H. (1973). Information theory and an extension of the entropy maximization
principle. 2nd International Symposium on Information Theory, eds. B.N. Petrov and F.
Csak, Kiado: Akademia. pp. 267-281.
2. Altman, N.S. (1991). Kernel smoothing of data with correlated errors. Journal of
American Statistical Association, 85, 749-759.
3. Anderson, T.W. (1984). An Introduction to Multivariate Statistical Analysis. Wiley,
New York.
4. Brumback, B. and Rice, J.A. (1998). Smoothing spline models for the analysis of
nested and crossed samples of curves. Journal of American Statistical Association, 93,
961-994.
5. Cai, Z., Li, H. and Wu, H. (2003). Generalized random curve models for longitudinal
data. Manuscript.
6. Chen, K. and Jin, Z. (2005). Local polynomial regression analysis of clustered data.
Biometrika, 92, 59-74.
7. Cheng, M.Y., Fan, J. and Marron, J.S. (1997). On automatic boundary corrections.
Annals of Statistics, 25, 1691-1708.
8. Davidian, M. and Giltinan, D.M. (1995). Nonlinear Models for Repeated
Measurement Data. Chapman and Hall, London.
9. de Boor, C. (1978). A practical Guide to Splines. Springer-Verlag, New York.
10. Demidenko, E. (2004). Mixed Models: Theory and Applications. Wiley, New York.
11. Dempster, A.P., Rubin, D.B. and Tsutakawa, R.K. (1981). Estimation in covariance
components models. Journal of American Statistical Association, 76, 341-353.
12. Diggle, P.J., Liang, K.Y. and Zeger, S.L. (1994). Analysis of Longitudinal Data.
Oxford University Press, Oxford, U.K.
13. Diggle, P.J., Heagerty, P., Liang, K.Y. and Zeger, S.L. (2002). Analysis of
Longitudinal Data (2nd ed.). Oxford University Press, Oxford, U.K.
74

14. Diggle, P.J., and Hutchinson, M.F. (1989). On spline smoothing with autocorrelated
errors. Australian Journal of Statistics, 31, 166-168.
15. Eubank, R.L. (1988). Spline Smoothing and Nonparametric Regression. Marcel
Dekker, New York.
16. Eubank, R.L. (1999). Nonparametric Regression and Spline Smoothing. Marcel
Dekker, New York.
17. Fan, J. (1992). Design-adaptive nonparametric regression. Journal of American
Statistical Association, 87, 998-1004.
18. Fan, J. (1993). Local linear regression smoothers and their minimax efficiency.
Annals of Statistics, 21, 196-216.
19. Fan, J., Farmen, M. and Gijbels, I. (1998). Local maximum likelihood estimation
and inference. Journal of Royal Statistical Society, Series B, 60, 591-608.
20. Fan, J. and Gijbels, I. (1992). Variable bandwidth and local linear regression
smoothers. Annals of Statistics, 20, 2008-2036.
21. Fan, J. and Gijbels, I. (1996). Local Polynomial Modelling and its Applications.
Chapman and Hall. London.
22. Fan, J. and Marron, J.S. (1994). Fast implementations of nonparametric curve
estimators. Journal of Computational and Graphical Statistics, 3, 35-56.
23. Fan, J. and Zhang, J.-T. (2000). Two-step estimation of functional linear models
with applications to longitudinal data. Journal of Royal Statistical Society, Series B, 62,
303-322.
24. Gasser, T., Mller, H.G. and Mammitzsch, V. (1985). Kernels for nonparametric
curve estimation. Journal of Royal Statistical Society, Series B, 86, 665-672.
25. Guo, W. (2002a). Functional mixed-effects models. Biometrics, 58, 121-128.
26. Guo, W. (2002b). Inference in smoothing spline analysis of variance. Journal of
Royal Statistical Society, Series B, 64, 887-889.
75

27. Green, P. and Silverman, B.W. (1994). Nonparametric Regression and Generalized
Linear Models. Chapman and Hall, London.
28. Hrdle, W. (1990). Applied Nonparametric Regression. Cambridge University
Press, Boston.
29. Hart, J.D. (1991). Kernel regression estimation with time series errors. Journal of
Royal Statistical Society, Series B, 53, 173-187.
30. Hart, J.D. and Wehrly, T.E. (1993). Consistency of cross-validation when the data
are curves. Stochastic Processes and their Applications, 45, 351-361.
31. Harville, D.A. (1976). Extension of the Gauss-Markov theorem to include the
estimation of random effects. Annals of Statistics, 4, 384-395.
32. Harville, D.A. (1977). Maximum likelihood approaches to variance component
estimation and to related problems. Journal of American Statistical Association, 72,
320-340.
33. Hastie, T.J. and Loader, C. (1993). Local regression: automatic kernel carpentry
(with discussion). Statistics Science, 8, 120-143.
34. Hoover, D.R., Rice, J.A., Wu, C.O., and Yang, L.P. (1998). Nonparametric
smoothing estimates of time-varying coefficient models with longitudinal data.
Biometrika, 85, 809-822.
35. Huang, J.Z., Wu, C.O. and Zhou, L. (2002). Varying-coefficient models and basis
function approximations for the analysis of repeated measurements. Biometrika, 89,
111-128.
36. Jennrich, R.I. and Schluchter, M.D. (1986). Unbalanced repeated measures models
with structured covariance matrices. Biometrics, 42, 805-820.
37. Jones, R.H. (1993). Longitudinal Data with Serial Correlation: A State-space
Approach. Chapman and Hall, London.
38. Laird, N.M. and Ware, J.H. (1982). Random effects models for longitudinal data.
Biometrics, 38, 963-974.
76

39. Laird, N.M., Lange, N. and Stram, D. (1987). Maximum likelihood computations
with repeated measures: Application of the EM algorithm. Journal of American
40. Liang, H., Wu, H. and Carroll, R.J. (2003). The relationship between virologic and
immunologic responses in AIDS clinical research using mixed-effects varyingcoefficient semiparametric models with measurement error. Biostatistics, 4, 297-312.
41. Liang, K.Y. and Zeger S.L. (1986). Longitudinal data analysis using generalized
linear models. Biometrika, 73, 13-22.
42. Lin, X. and Carroll, R.J. (2000). Nonparametric function estimation for clustered
data when the predictor is measured without/with error. Journal of American Statistical
Association, 95, 520-534.
43. Lin, X. and Carroll, R.J. (2001a). Semiparametric regression for clustered data using
generalized estimating equations. Journal of American Statistical Association, 96, 10451056.
44. Lin, X. and Carroll, R.J. (2001b). Semiparametric regression for clustered data.
Biometrika, 88, 1179-1185.
45. Lin, X. and Zhang, D. (1999). Inference in generalized additive mixed models by
using smoothing splines. Journal of Royal Statistical Society, Series B, 61, 381-400.
46. Lindsey, J.K. (1993). Models for Repeated Measurements. Oxford University Press,
Oxford, U.K.
47. Lindstrom, M.J. and Bates, D.M. (1990). Nonlinear mixed-effects models for
repeated measures. Biometrics, 46, 673-687.
48. Longford, N.T. (1993). Random Coefficient Models. Oxford University Press,
Oxford, U.K.
49. Marron, J.S. and Nolan, D. (1989). Canonical kernels for density estimation.
Statistics and Probability Letters, 7, 195-199.
50. Mller, H.G. (1988). Nonparametric Regression Analysis of Longitudinal Data.
Lecture Notes in Statistics. Springer-Verlag, New York.
77

51. Nadaraya, E.A. (1964). On estimating regression. Theory of Probability and its
Applications, 9, 141-142.
52. Park, J.G. and Wu, H. (2005). Backfitting and local likelihood methods for
nonparametric mixed-effects models with longitudinal data. Manuscript.
53. Pinheiro, J. and Bates, D. (2000). Mixed-effects Models in S and S-plus. SpringerVerlag. New York.
54. Ramsay, J.O. and Silverman, B.W. (1997). Functional Data Analysis. SpringerVerlag. New York.
55. Ramsay, J.O. and Silverman, B.W. (2002). Applied Functional Data Analysis.
Springer-Verlag. New York.
56. Rice, J.A. and Silverman, B.W. (1991). Estimating the mean and covariance
structure nonparametrically when the data are curves. Journal of Royal Statistical
Society, Series B, 53, 233-243.
57. Rice, J.A. and Wu, C.O. (2001). Nonparametric mixed effects models for unequally
sampled noisy curves. Biometrics, 57, 253-259.
58. Robinson, G.K. (1991). That BLUP is a good thing: the estimation of random
effects (with discussions). Statistics Science, 6, 15-32.
59. Ruppert, D., Sheather, S.J. and Wand, M.P. (1995). An effective bandwidth selector
for local least squares regression. Journal of American Statistical Association, 90, 12571270.
60. Schwarz, G. (1978). Estimating the dimension of a model. Annals of Statistics, 6,
461-464.
61. Searle, S.R., Casella, G. and McCulloch, C.E. (1992). Variance Components. Wiley,
New York.
62. Sheiner, L.B., Rosenberg, B. and Melmon, K.L. (1972). Modeling of individual
pharmacokinetics for computer-aided drug dosage. Computers and Biomedical
Research, 5, 441-459.
78

63. Sheiner, L.B. and Beal, S.L. (1980). Evaluation of methods for estimating
population
pharmacokinetic
parameters.
I.
Michaelis-Menten
model:
routine
pharmacokinetic data. Journal of Pharmacokinetics and Biopharmaceutics, 8, 553-571.

64. Shi, M., Weiss, R.E. and Taylor, J.M. (1996). An analysis of pediatric CD4 counts
for acquired immune deficiency syndrome using flexible random curves. Applied
Statistics, 45, 151-163.
65. Staniswalis, J.G. (1989). The kernel estimate of a regression function in likelihoodbased models. Journal of American Statistical Association, 84, 276-283.
66. Stone, C.J. (1984). An asymptotically optimal window selection rule for kernel
density estimation. Annals of Statistics, 12, 1285-1297.
67. Tibshirani, R. and Hastie, T. (1987). Local likelihood estimation. Journal of
68. Verbeke, G. and Molenberghs, G. (2000). Linear Mixed Models for Longitudinal
Data. Springer-Verlag, New York.
69. Vonesh, E.F. and Chinchilli, V.M. (1996). Linear and Nonlinear Models for the
Analysis of Repeated Measurements. Marcel Dekker, New York.
70. Wahba, G. (1985). A comparison of GCV and GML for choosing the smoothing
parameter in the generalized spline smoothing problem. Annals of Statistics, 13, 13781402.
71. Wand, M.P. and Jones, M.C. (1995). Kernel Smoothing. Chapman and Hall,
London.
72. Wang, N. (2003). Marginal nonparametric kernel regression accounting for withinsubject correlation. Biometrika, 90, 43-52.
73. Wang, N., Carroll, R.J. and Lin, X. (2005). Efficient semiparametric marginal
estimation for longitudinal/clustered data. Journal of American Statistical Association,
100, 147-157.
74. Wang, Y. (1998a). Mixed-effects smoothing spline ANOVA. Journal of Royal
Statistical Society, Series B, 60, 159-174.
79

75. Wang, Y. (1998b). Smoothing spline models with correlated random errors. Journal
of American Statistical Association, 93, 341-348.
76. Watson, G.S. (1964). Smooth regression analysis. Sankhya, 26, 101-116.
77. Welsh, A.H., Lin, X. and Carroll, R.J. (2002). Marginal longitudinal nonparametric
regression: locality and efficiency of spline and kernel methods. Journal of American
78. Wu, C.O. and Chiang, C.T. (2000). Kernel smoothing on varying coefficient models
with longitudinal dependent variable. Statistica Sinica, 10, 433-456.
79. Wu, C.O., Chiang, C.T. and Hoover, D.R. (1998). Asymptotic confidence regions
for kernel smoothing of a varying-coefficient model with longitudinal data. Journal of
80. Wu, H. and Zhang, J.-T. (2002a). Local polynomial mixed-effects models for
longitudinal data. Journal of American Statistical Association, 97, 883-897.
81. Wu, H. and Zhang, J.-T. (2002b). The study of long-term HIV dynamics using
semiparametric nonlinear mixed-effects models. Statistics in Medicine, 21, 3655-3675.
82. Yen, S. and Jaffe, R.B. (1991). Reproductive Endocrinology: Physiology,
Pathophysiology, and Clinical Management. W.B. Saunders, Philadelphia.
83. Zhang, D., Lin, X., Raz, J. and Sowers, M. (1998). Semiparametric stochastic mixed
models for longitudinal data. Journal of American Statistical Association, 93, 710-719.
84. Zhang, J.-T. and Fan, J. (2000). Minimax kernels for nonparametric curve
estimation. Journal of Nonparametric Statistics, 12, 417-445.
Adems se recomiendan las siguientes publicaciones on-line y direcciones de internet:

1. http://www.urmc.rochester.edu/smd/biostat/people/faculty/WuSite/publications.htm.
2. R: Pgina principal, descarga y documentacin: http://www.r-project.org/.
80

Métodos de Regresión No Paramétricos para El Análisis de Datos Longitudinales

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Métodos de Regresión No Paramétricos para El Análisis de Datos Longitudinales

Transféré par

Droits d'auteur :

Formats disponibles

Mster Universitario en Estadstica Aplicada - Curso 2010/2011

Realizado por: Jos Antonio Linero Morante

1.2.1. Modelos paramtricos de efectos mixtos

1.2.2. Regresin no paramtrica y suavizacin

1.2.3. Modelos no paramtricos de efectos mixtos

2.2. Modelo lineal de efectos mixtos

2.2.1. Especificacin del modelo

2.2.2. Estimacin de los efectos fijos y aleatorios

2.2.3. Interpretacin bayesiana

2.2.4. Estimacin de los componentes de varianza

2.2.5. Los algoritmos EM

Captulo 3: Suavizadores en regresin no paramtrica

3.2. Suavizador del ncleo polinomial local

3.2.1. Grado general del suavizador LPK

3.2.2. Suavizadores lineal y constante local

3.2.3. Funcin del ncleo

3.2.4. Seleccin del ancho de banda

3.2.5. Un ejemplo ilustrativo

Captulo 4: Mtodos localmente polinomiales

4.2. Modelo no paramtrico para la media poblacional

4.2.1. Mtodo del ncleo polinomial local

4.2.2. Mtodo del ncleo polinomial local GEE

4.3. Modelo no paramtrico de efectos mixtos

4.4. Modelado de efectos mixtos polinomial local

4.4.1. Aproximacin polinomial local

4.4.2. Estimacin por mxima verosimilitud local

4.4.3. Estimacin a partir de la verosimilitud local marginal

4.4.4. Estimacin a partir de la verosimilitud local conjunta

4.4.5. Estimacin de los componentes

4.5. Eleccin de buenos anchos de banda

4.5.1. Validacin cruzada dejar-un-sujeto-fuera

4.5.2. Validacin cruzada dejar-un-punto-fuera

4.6. Aplicacin a los datos de progesterona

Apndice: Cdigo en R generado para las aplicaciones

Trabajo Fin de Mster en Estadstica Aplicada 2010/2011

Trabajo Fin de Mster en Estadstica Aplicada 2010/2011

Trabajo Fin de Mster en Estadstica Aplicada 2010/2011

Figura 1.1 (a) Grupo conceptivo

Trabajo Fin de Mster en Estadstica Aplicada 2010/2011

Figura 1.1 (b) Grupo conceptivo

La Figura 1.2 (a) presenta un diagrama espagueti de las 69 curvas en bruto de

Trabajo Fin de Mster en Estadstica Aplicada 2010/2011

Figura 1.2 (a) Grupo no conceptivo

Figura 1.2 (b) Grupo no conceptivo

Los datos de progesterona se han utilizado para ilustraciones de los mtodos de

Trabajo Fin de Mster en Estadstica Aplicada 2010/2011

son, respectivamente, los vectores de respuestas y los errores de medicin

para el -simo sujeto,

son, respectivamente, los vectores de efectos fijos

(parmetros de la poblacin) y efectos aleatorios (parmetros individuales), y

est dada por

Los modelos no lineales de efectos mixtos (nonlinear mixed-effects (NLME)) se

siendo una funcin conocida,

un parmetro especifico de sujeto para el

Trabajo Fin de Mster en Estadstica Aplicada 2010/2011

es una funcin conocida de las

, el vector de efectos fijos

. Como ejemplo, un modelo lineal simple para

y el vector de efectos aleatorios

puede escribirse como

. La media marginal y la varianza-covarianza de

dada para un modelo NLME general. Se pueden aproximar utilizando tcnicas de

. En un estudio longitudinal, los datos de sujetos diferentes se suponen