A Successive Differences Method for Growth Curves with Missing Data and Random Observation Times
缺失数据与随机观测时点下增长曲线的相邻差分法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确处理个体层面的重复测量、缺失记录与不规则观测时点，对应面板数据方向。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
缺失数据与随机观测时点下增长曲线的相邻差分法
- 研究问题
- 当个体重复测量存在缺失且观测时点不一致时，如何分析增长曲线，并检验曲线平行性及平行条件下的水平变化？
- 方法与思路
- 作者利用每位受试者相邻观测的差分，将总体观测时间区间划分为子区间，以扩展相邻差分法并构造相关检验统计量。
- 材料陈述的贡献
- 摘要称，该方法将不完整增长曲线的差分分析扩展至变化的观测时点，并应用于一个男性队列子样本的血清胆固醇重复测量。
- 阅读关注点
- 应核对时间子区间的划分依据、缺失与观测时点所需条件、差分后的相关结构，以及平行性与水平变化检验的具体含义。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明缺失机制和观测时点的统计假设，也未报告检验结果或估计精度。
原文摘要
Incomplete growth curve data can be analyzed by the successive differences (SD) method, which uses the difference in consecutive pairs of observations for all subjects having two or more repeated measures. We have generalized it to handle varying observation times as well by partitioning the time interval spanned by all repeated measures into subintervals. The model is developed, including test statistics for the hypotheses of parallelism and of no change in response level over time, assuming parallelism. This generalized SD method is then applied to repeated serum cholesterol measurements on a subsample of 1,072 men from a prospective cohort study of 8,006 Hawaiian Japanese men living on Oahu.