SAS GLIMMIX受试者评估

我试图分析一个数据集，其中每个受试者有12个重复测量（3年内每季度一次）。我想提取特定于受试者的时间斜率估计值，以评估受试者是否随时间发生显著变化

我目前掌握的代码始终表明，随着时间的推移，每个受试者都表现出非常显著的增长。这似乎不太可能，但我不确定如何调整语法以运行更精确的模型。有人知道该模型如何/为什么会发现所有情况下的时间显著斜率系数吗

该研究的简要描述：我们正在创建一份趋势报告，该报告应标记程序代码（受试者），该程序代码显示在分析期间（3年，按季度）的账单次数显著增加。结果变量被视为计数（以0为界，但不一定是整数）

如果您能帮助我们提高模型的准确性和效率，我们将不胜感激

---

谢谢

可能正斜率是数据的实际特征？如果您为每个代码绘制账单计数与周期计数，您会看到什么

关于这个计划，我有两个建议

（1） type=AR（1）在中的使用

强制截距的方差等于坡度的方差。此约束可能与数据不一致。对于随机系数模型，AR（1）不是一个合理的协方差结构。尝试type=UN或type=UN（1）

（2） 下降

它的加入使得模型过于具体化；负二项分布已经有一个比例参数

---

另一个要考虑的是，一个随机系数模型产生了收缩估计，使得单个代码的估计被缩小到整体解：从随机系数模型中获得的斜率的估计将不等于从每个代码的单独回归得到的估计值。Kreft等人对此主题有一个非常直观的介绍（见此处第14页）。

也许正斜率是数据的一个实际特征？如果您为每个代码绘制账单计数与周期计数，您会看到什么

关于这个计划，我有两个建议

（1） type=AR（1）在中的使用

强制截距的方差等于坡度的方差。此约束可能与数据不一致。对于随机系数模型，AR（1）不是一个合理的协方差结构。尝试type=UN或type=UN（1）

（2） 下降

它的加入使得模型过于具体化；负二项分布已经有一个比例参数

另一个要考虑的是，一个随机系数模型产生了收缩估计，使得单个代码的估计被缩小到整体解：从随机系数模型中获得的斜率的估计将不等于从每个代码的单独回归得到的估计值。Kreft等人对这个主题有一个非常直观的介绍（见这里的第14页）

%macro Zeroes(numzeroes);
   %local i;
   %do i = 1 %to %eval(&numzeroes-1);
      0
   %end;
   1;
%mend;

%macro EstimateStatement(numsubjects=);
   %local i;

   proc glimmix data=procdata11;
      class code;
      model billing_count=period_count / dist=NB link=log
      solution ddfm=betwithin;
      random intercept period_count / sub=code type=AR(1);
      random _residual_;  
      %do i = 1 %to &numsubjects;
         estimate "Slope for Code &i" period_count 1 | period_count 1 / subject %Zeroes(&i);
       %end;
      ods output estimates=sscoeff;
    run;
 %mend;

 %EstimateStatement(numsubjects=&num_codes)

random intercept period_count / sub=code type=AR(1);

random _residual_;