西安交通大学医学部公共卫生学院流行病与卫生统计学系(710061)

吴晨璐# 米白冰# 陈方尧 裴磊磊 史青云 赵亚玲△ 颜 虹△

【提 要】 目的 SAS软件中目前实现广义线性混合模型的过程步主要包括PROC GLIMMIX和PROC NLMIXED，两种方法在实际应用中各有侧重。本文介绍一个可以提高广义线性混合模型运行效率的SAS宏程序%HPGLIMMIX的使用方法及其结果解读。方法 通过实例数据，介绍%HPGLIMMIX分析正态分布和二项分布数据的过程，并展示采用%HPGLIMMIX分析大样本数据的性能优势。结果 对于小样本正态分布和二项分布数据，采用%HPGLIMMIX和GLIMMIX、NLMIXED分析的用法基本一致。对于大样本数据，%HPGLIMMIX可进行模型拟合并可有效节省时间及计算资源。结论 %HPGLIMMIX可有效提升大样本数据的广义线性混合模型拟合的效率。NLMIXED过程可以快速准确地进行参数估计。

队列和临床试验等医学研究中经常遇到重复测量的纵向数据。此类数据不满足观测时点间的独立性假设，故不宜采用传统的线性模型(linear models，LM)，而应采用纳入随机效应项的混合模型(mixed model，MM)进行分析[1]。混合模型适用于结局为连续变量、分类变量或等级变量的数据[2]。随着数据来源及收集技术的不断发展，大样本队列、多中心临床研究日益增多。这些研究常收集十几万例研究对象的长期、多次观测值，产生高维复杂纵向数据。广义线性混合模型(generalized linear mixed model，GLMM)广泛应用于这类数据的分析处理，但其参数估计可能会因为计算内存不够而无法输出结果[3]，导致其应用受限。针对上述情况，本文介绍可进行高效……