AUXAL - 结构方程模型软件
AUXAL程序可以在您的桌面上对来自纵向增长研究的数据进行快速的分析。该程序对站立高度或卧位长度的人体生长进行结构性和非结构性生长学分析。它提供高度、速度和加速度的生长曲线的准确拟合或平滑,并在出版物质量图形输出中显示高度和速度曲线。
定位和描述速度的Maxima值和Minima值。该程序可以一次性分析多个案例的数据,并对结果进行纵向和横截面汇总。采用贝叶斯估计方法,该程序能够将结构模型拟合到不完善的纵向数据。该设施可以从由随机年龄开始的短期研究样本组成的混合纵向数据中估计整个生长周期的结构平均曲线。它还可以根据成熟前的一个或多个身高测量来预测成熟或全部其他年龄的身高。
AUXAL 的特点包括
-
使用 BTT 模型或 JPA2 模型进行结构分析
-
通过残差的傅里叶变换或核平滑进行非结构分析
-
由易于准备的 ASCII 命令文件控制的程序
-
可以从固定列或自由列 ASCII 文件中读取数据
-
可以从数据记录中任意位置的其他字段中选择自由列字段
-
连续时间点的数据可以在单独的记录上或在一个长记录上
-
在每种情况下,可以根据年龄或身高范围选择观察值
-
可以根据提供的列表选择或省略大型研究中的案例
AUXAL 4使用与AUXAL 3相同的经验贝叶斯估计程序,但有新的特点和改进,扩展了程序的功能,使其更方便使用。估计模型参数的人口协方差矩阵的准确性得到了提高。尽管来自Fels纵向研究的数据档案继续作为几个模型的默认先验分布平均值和协方差矩阵的来源,但更准确的估计协方差矩阵提供了AUXAL4的先验。当用户想要用基于其他纵向数据的先验分布取代了当前工作中的先验分布时,所涉及的步骤已经简化。
出现在摘要输出列表末尾的结构平均曲线的评估高度现在包括任意给定年龄的身高标准误差。它们有助于对结构平均曲线的分组比较进行统计分析。标准误差是根据参数的估计人口协方差矩阵和结构平均曲线在任意给定年龄点相对于参数的导数计算的。如果当前分析中的案例来自与假设的先验分布相同的人群,则在这些计算中使用先验的默认协方差矩阵。如果当前样本的规模大到足以证明大样本假设的合理性,可以使用当前工作中估计的人群协方差矩阵来代替默认值。
为混合纵向数据的横截面分析增加了设施。它们包括给定年龄段平均身高的标准误差,以及评估任意给定年龄段身高的所谓合理值的规定,允许对混合纵向数据的群体差异进行常规的多变量分析。当每个案例在每个区间有一个观察到的身高时,标准误差是准确的。否则,它是保守的;在该区间内的额外观测信息,但很难评估标准误差的减少,因为这些观测是相关的。
更改的命令、选项和关键词
MEAN和COVARIANCE命令
新选项:输入
这些命令允许用户用与当前分析更相关的先验均值和协方差矩阵来替换。如果新版本的群体均值和协方差已经被程序估计并通过SAVE命令的MEAN关键字保存,那么这些命令中新选项的出现会自动从SAVE命令创建的现有文件中提取均值和/或协方差矩阵。在没有import选项的情况下,均值或协方差矩阵将按照AUXAL的标准顺序从包含参数值的现有文件中读取。
ERROR命令
为了抑制maximum后验眼估计程序收敛失败而设置较大的误差标准差(SD)不再是全局要求的。现在它只适用于那些在模型参数迭代估计中没有收敛的病例。当这种情况发生时,程序会自动尝试重新估计,至多五次、误差SD值不断增加。如果随后获得收敛,结尾的SD值会出现在案例处理列表中。这些调整通常会减少收敛失败的次数。(如果通过调用技术选项UNCOR来忽略各年龄段残差的自相关性,收敛失败的情况也会减少)。
ERROR命令不再需要了,但仍可使用。
技术命令
新选项:SAMPLE
如果该选项存在,程序将根据当前工作中估计的模型参数的人口协方差矩阵来计算任意给定年龄的结构平均曲线的标准误差。否则,默认的先验分布是计算中协方差矩阵的来源。
新关键词:PLSEVAL=t
如果PROCEDURE命令的EVALUATE关键字存在,并且使用SAVE命令的EVAL关键词保存了连续年龄段的病例评估高度,那么在假设每个年龄段的测量误差分布的平均值为0,标准偏差等于单个病例误差方差的平方根的情况下,评估高度被转换为可信的值。
在每个评估的身高中加入一个来自该分布的随机偏离值。可以用这些值作为数据,通过多变量方差分析来分析横截面平均生长的群体差异。它们的抽样方差包括抽样案例的影响,以及测量误差和方程误差的影响(也见SAVE命令)。
量t是随机数发生器的种子—任意大于1且小于2147483647的整数。
新的关键字:ONLY=u
该关键字允许程序直接从用户提供的参数手段值(可能是其他研究者的分析值)中计算结构平均曲线的标准误差。这些参数需按照有关模型的标准顺序使用MEAN命令来输入。数量u是样本中获得假定平均值的病例数。然后,程序需要在一个至少有几个案例的虚拟工作中执行。曲线的绘制与平常一样。在这些计算中使用默认的先验协方差矩阵。
SAVE命令
关键字:COVARIANCE
这个关键词在AUXAL3中没有实现。现在它可以使用了。
选项:HGTROW
如果案例高度或可信值高度被评估,该选项将以空格分隔的数值行列出输出:否则,数值将以单列列出。
调整不同种群的先验参数
如果有合适的纵向成长研究中N个案例的大样本测量结果 ,模型参数的群体平均协方差矩阵可以从每个案例的MAP估计和后验协方差矩阵中估计出来。
因为在估计参数均值和协方差的先验分布中需要群体均值和协方差矩阵,所以在使用时需要一个“引导“程序。开始,从BTT、JPA2或Jenss-Bayley模型的现有AUXAL先验开始。只要每个案例中间隔良好的数据点和数量超过20个,用这个临时先验通过案例就能得到一个很好的人口数量近似值。修订后的先验可以通过SAVE命令保存到一个外部文件中。
>SAVE means='priors.par'
priors.par文件包含模型参数的估计种群平均值和种群协方差矩阵。
第二次或第三次运行,每次都替换所产生的临时先验,将产生足够准确的种群均值和协方差矩阵估计,以便实际用于模型参数的MAP估计。从上一次运行中获得先验是通过命令读入程序的。
>MEAN MALE FILE='male. mea';
>COVARIANCE MALE FILE='male.cov'。
【英文介绍】
Overview
Fast, comprehensive analysis of data from longitudinal growth studies is now available on your desktop with the AUXAL program from SSI.
The program performs both structural and nonstructural auxological analysis of human growth in standing height or recumbent length. It provides accurate fitting or smoothing of growth curves for height, velocity, and acceleration and displays the height and velocity curves in publication quality graphic output.
Maxima and minima of velocity are located and described. Data from multiple cases can be analyzed in one pass through the program and the results summarized both longitudinally and cross-sectionally.Employing Bayesian methods of estimation, the program is able to fit the structural models to incomplete longitudinal data. This facility makes it possible to estimate a structural average curve for the full growth cycle from mixed longitudinal data consisting of a sample of short studies beginning at random ages. It also makes possible the prediction of height at maturity, or any other age, from one or more measures of height prior to maturity.
Features of AUXAL include
Structural Analysis with the BTT Model or the JPA2 Model
Nonstructural Analysis by Fourier Transform of Residuals or Kernel Smoothing
Program controlled by an easy-to-prepare ASCII command file
Data may be read from fixed-column or free-column ASCII files
Free-column fields may be selected from among other fields anywhere in the data record
Data for successive time points can be on separate records or on one long record
Observations may be selected by age or height ranges in each case
Cases from a large study may be selected or omitted as specified on a supplied list
- 2024-09-03
- 2024-08-29
- 2024-08-27
- 2024-08-27
- 2024-08-21
- 2024-08-19
- 2024-09-06
- 2024-09-05
- 2024-09-04
- 2024-08-26
- 2024-08-23
- 2024-08-22