R语言、SAS潜类别（分类）轨迹模子LCTM阐发体重指数 (BMI)数据|附代码数据
全文下载链接：
比来我们被客户要求撰写关于潜类别（分类）轨迹模子LCTM的研究陈述，包罗一些图形和统计输出。
在本文中，潜类别轨迹建模 (LCTM) 是时髦病学中一种相对较新的办法，用于描述生命过程中的表露，它将异量人群简化为同量形式或类别。然而，关于给定的数据集，能够根据类的数量、模子构造和轨迹属性得出差别模子的分数
本文阐了然LCTM的根本用法，用于汇总拟合的潜在类轨迹模子对象的输出。
例子
目标：通过将 BMI 建模为年龄函数，识别具有差别轨迹的参与者亚组。根据迄今为行可用的文献，我们假设初始 K=5 类 BMI 轨迹。
我们利用体重指数 (BMI) 反复丈量 10,000 个样本的长格局数据框。
供给了一个示例（模仿）数据集 bmi 来描述整个步调。
包罗的变量有：
id - 小我 ID
年龄 - BMI 丈量的年龄，以年为单元
bmi - 小我在 T1、T2、T3 和 T4 时间的体重指数，以 kg/m^2 为单元 true_class - 用于识别模仿小我 BMI 数据的类此外标签
加载数据
绘造数据
潜在类轨迹建模的八步示例
为了对纵向成果 yijk 停止建模，关于 k=1:K，类，关于个别 i，在时间点 j，tj能够利用许多建模抉择。我们在那里给出方程来阐明那些，并根据复杂度增加的挨次将它们定名为模子 A 到 G。
展开全文
模子 A：无随机效应模子 | 固定效应同方差 | - 阐明小我轨迹与其均匀类轨迹的任何误差仅是因为随机误差
此中假设所有类的残差方差相等，
相关视频
拓端
，赞15
模子 B：具有特定类别残差的固定效应模子 | 异方差 | 与模子 A 不异的阐明，随机误差在差别的类别中可能更大或更小。
此中假设残差方差差别
模子 C：随机截距 阐明是容许个别的初始体重差别，但假设每个班级成员遵照均匀轨迹的不异外形和大小
关于 k=1:K, classes, 关于个别 i, 在时间点 j, tj,
此中随机效应散布
模子 D：随机斜率 容许个别在初始权重和均匀轨迹的斜率上有所差别
关于 k=1:K，类，关于个别 i，在时间点 j , tj,
此中假设随机效应散布为
模子 E：随机二次 - 跨类的配合方差构造 容许个别在类内通过初始权重改变，但是假设每个类具有不异的变异量。关于 k=1：K, 类, 关于个别 i, 在时间点 j, tj,
此中假设随机效应散布为
模子 F 和 G：随机二次 - 容许方差构造跨类改变的比例约束 ，增加模子 E 的乖巧性，因为容许方差构造相差一个乘法因子，以容许某些类具有更大或更小的类内方差。该模子能够被认为是模子 G 的更简洁版本（将要估量的方差-协方差参数的数量从 6xK 参数削减到 6+（K-1）个参数。
关于 k=1:K, classes, 关于个别 i, 在时间点 j, tj,
此中假设随机效应散布为
第一步：抉择随机效应构造的形式
为了确定随机效应的初始工做模子构造，能够遵照 Verbeke 和 Molenbergh 的根本原理来查抄没有随机效应的模子中每个 K 类的原则化残差图的外形。
假设残差轮廓能够近似为平整、曲线或曲线，则别离考虑随机截距、斜率或二次项。
为了拟合没有随机效应的潜在类模子。
hlmfixed(bmig)
然后，我们将拟合模子输进 LCTM中的 step1 函数，以查抄特定类此外残差。
第2步
优化步调 1 中的初步工做模子以确定更佳类数，测试 K=1,...7。能够根据更低贝叶斯信息原则 (BIC) 来抉择所选类此外数量。
set.seed(100)
for (i in 2:4) {
mi - lchlme( data.frame(bmg[1:500,])
# Be patient, hlme is running ...
# The program took 0.29 seconds
# Be patient, hlme is running ...
# The program took 0.69 seconds
# Be patient, hlme is running ...
# The program took 2.3 seconds
modelut -kable(lin)
第 3 步
利用步调 2 中推导出的偏好 K 进一步细化模子，测试更优模子构造。我们测试了七个模子，从简单的固定效应模子（模子 A）到容许残差在类别之间改变的根本办法（模子 B）到一组具有差别方差构造的五个随机效应模子（模子 CG）。
A（SAS、PROC TRAJ）
B型（R，mmlcr）
挪用 source() 号令。
mmldata = bmi_l01
# model_b$BIC
C （SAS、PROC TRAJ）
D 型（SAS、PROC TRAJ）
E型 (R, lcmm)
moe - hlmfixed = bmi ~1+ age + I(age^2),
mixture = ~1 + age + I(age^2)
# Be patient, hlme is running ...
# The program took 0.77 seconds
me$BIC
F型 (R, lcmm)
fixed = bmi ~1+ age + I(age^2),
mixture = ~1 + age + I(age^2)
mod$BIC
G （SAS、PROC TRAJ）
第四步
施行一些模子足够性评估。起首，关于每个参与者，计算被分配到每个轨迹类的后验概率，并将个别分配到概率更高的类。在所有类别中，那些更大后金分配概率 (APPA) 的均匀值高于 70% 被认为是能够承受的。利用准确分类、不婚配的几率进一步评估模子的足够性。
LCTMdel_f
第 5 步
图形表达办法；
绘造包罗每个类的时间均匀轨迹
每个类具有 95% 揣测区间的均匀轨迹图，展现每个类内揣测的随机改变
plotpred - predictY
plototp
小我程度的“面条图”随时间改变，取决于样本量，可能利用参与者的随机样本
ggplot(bm, aes(x = age, y = bmi)) + geom_line
ggplot(bmong) + geom_line
点击题目查阅往期内容
R语言用潜类别混合效应模子(Latent Class Mixed Model ,LCMM)阐发老年痴呆年龄数据
摆布滑动查看更多
01
02
03
04
第 6 步
评估模子。
第 7 步
利用四套办法评估临床特征和合理性；
1. 评估轨迹形式的临床意义，旨在包罗至少 1% 的人群的类别
postprb( modf )
2. 评估轨迹类此外临床合理性
利用生成的图 来评估揣测的趋向关于正在研究的组能否现实。例如，关于研究 BMI，展现下降到 5 kg/m2 的揣测趋向是不现实的。
3. 潜在类别与传统分类的特征列表
利用从所选模子中提取类分配；
然后用描述性变量反应到主数据集中。
然后能够根据需要将那些造成表格。
等等。
4. 利用 kappa 统计的类成员与传统 BMI 类别成员的一致性
# 定义BMI类别，那些类此外数量需要与类此外数量相等
confusionMatrix(bmi_class, bmclass
kable(y, row.names = )
第 8 步
酌情停止灵敏性阐发。
本文摘选 《 R语言潜类别（分类）轨迹模子LCTM阐发体重指数 (BMI)数据可视化 》 ，点击“阅读原文”获取全文完全材料。
点击题目查阅往期内容
R语言用潜类别混合效应模子(Latent Class Mixed Model ,LCMM)阐发老年痴呆年龄数据
R语言贝叶斯广义线性混合（多条理/程度/嵌套）模子GLMM、逻辑回回阐发教导留级影响因素数据R语言估量多元标识表记标帜的潜过程混合效应模子（lcmm）阐发心理测试的认知过程
R语言因子尝试设想nlme拟合非线性混合模子阐发有机农业施氮程度
R语言非线性混合效应 NLME模子(固定效应随机效应)匹敌哮喘药物茶碱动力学研究
R语言用线性混合效应（多程度/条理/嵌套）模子阐发腔调凹凸与礼貌立场的关系
R语言LME4混合效应模子研究教师的受欢送水平R语言nlme、nlmer、lme4用（非）线性混合模子non-linear mixed model阐发藻类数据实例
R语言混合线性模子、多条理模子、回回模子阐发学生均匀功效GPA和可视化
R语言线性混合效应模子（固定效应随机效应）和交互可视化3案例
R语言用lme4多条理（混合效应）广义线性模子（GLM），逻辑回回阐发教导留级查询拜访数据R语言 线性混合效应模子实战案例
R语言混合效应逻辑回回（mixed effects logistic）模子阐发肺癌数据
R语言若何用潜类别混合效应模子（LCMM）阐发抑郁症状
R语言基于copula的贝叶斯分层混合模子的诊断准确性研究
R语言成立和可视化混合效应模子mixed effect model
R语言LME4混合效应模子研究教师的受欢送水平
R语言 线性混合效应模子实战案例
R语言用Rshiny摸索lme4广义线性混合模子（GLMM）和线性混合模子（LMM）
R语言基于copula的贝叶斯分层混合模子的诊断准确性研究
R语言若何处理线性混合模子中畸形拟合(Singular fit)的问题
基于R语言的lmer混合线性回回模子
R语言用WinBUGS 软件对学术才能检验成立条理（分层）贝叶斯模子
R语言分层线性模子案例
R语言用WinBUGS 软件对学术才能检验（SAT）成立分层模子
利用SAS，Stata，HLM，R，SPSS和Mplus的分层线性模子HLM
R语言用WinBUGS 软件对学术才能检验成立条理（分层）贝叶斯模子
SPSS中的多层（品级）线性模子Multilevel linear models研究整容手术数据
用SPSS估量HLM多层（条理）线性模子模子