Analyzing multivariate longitudinal binary data: A generalized estimating equations approach

Abstract

The authors consider regression analysis for binary data collected repeatedly over time on members of numerous small clusters of individuals sharing a common random effect that induces dependence among them. They propose a mixed model that can accommodate both these structural and longitudinal dependencies. They estimate the parameters of the model consistently and efficiently using generalized estimating equations. They show through simulations that their approach yields significant gains in mean squared error when estimating the random effects variance and the longitudinal correlations, while providing estimates of the fixed effects that are just as precise as under a generalized penalized quasi‐likelihood approach. Their method is illustrated using smoking prevention data.L'analyse de données binaires longitudinales multivariées: Une approche fondée sur les Équations d'estimation généraliséesLes auteurs s'intéressent à l'analyse par régression de données binaires recueillies à différents moments sur les membres de nombreux petits groupes d'individus ayant en commun un effet aléatoire induisant une dépendance entre eux. us proposent un modèle mixte pouvant refléter à la fois ces dépendances longitudinales et structurelles, us estiment les paramètres de ce modèle de façon convergente et efficace au moyen d'équations d'estimation généralisées. Ds montrent par voie de simulation que leur approche réduit significativement l'erreur quadratique moyenne de l'estimation de la variance des effets aléatoires et des corrélations longitudinales, tout en permettant d'estimer les effets fixes aussi précisément que par le biais de la quasi‐vraisemblance pénalisée généralisée. Leur méthode est illustrée au moyen de données portant sur la prévention du tabagisme.