종단적 결과 모델링: 두 가지 방법의 비교

배경: 반복 측정 분산 분석(ANOVA)은 종단적 데이터를 모델링하는 데 자주 사용되지만, 시간의 경과에 따른 개인 내 상관관계를 적절히 고려하지 않으며, 시간을 명시적으로 모델링하지 않고, 결측 데이터를 유연하게 처리할 수 없습니다. 반면 혼합 효과 회귀는 이러한 한계를 해결합니다. 이 논평에서는 공개적으로 사용 가능한 도구를 사용하여 두 가지 방법을 비교합니다. 방법: 우리는 2011년부터 2018년까지의 국가 랭킹을 추적하여 엘리트 스키어의 실제 개발 연구를 모방했습니다. 우리는 시간의 무조건적 모델(변화의 “패턴”을 설정)과 시간의 조건부 모델(시간에 따른 변화에 영향을 미치는 요인 식별)을 구축하고, 이러한 모델을 비교 가능한 반복 측정 ANOVA와 대조했습니다. 결과: 혼합 효과 회귀는 결측 데이터에도 불구하고 스키어의 종단적 경로에 대해 선형 및 비선형 모델링을 허용했습니다. 결측 데이터는 여전히 혼합 효과 회귀 모델에서 우려 사항이지만, 현재 데이터 세트에서는 스키어의 나이로 결측을 설명할 수 있어서 임의로 결측이라는 가정을 충족했습니다. 논의: ANOVA와 혼합 효과 회귀는 모두 시계열 데이터에 적합하지만 그 적용은 다릅니다. 연구 질문이 임의의 시간 지점에서 집단 수준의 평균 차이에 초점을 맞출 때 ANOVA가 가장 간결할 것입니다. 그러나 혼합 효과 회귀는 시간이 결과에 본질적으로 중요한 경우와 개인 차이에 관심이 있는 경우에 더 적합합니다.