Free Access
Issue
Genet. Sel. Evol.
Volume 32, Number 2, March-April 2000
Page(s) 129 - 141
DOI https://doi.org/10.1051/gse:2000110
DOI: 10.1051/gse:2000110

Genet. Sel. Evol. 32 (2000) 129-141

EM-REML estimation of covariance parameters in Gaussian mixed models for longitudinal data analysis

Jean-Louis Foulleya - Florence Jaffrézicb - Christèle Robert-Graniéa

aStation de génétique quantitative et appliquée, Institut national de la recherche agronomique, 78352 Jouy-en-Josas Cedex, France
bInstitute of Cell, Animal and Population Biology The University of Edinburgh Edinburgh EH9 3JT, UK

(Received 24 September 1999; accepted 30 November 1999)

Abstract:

This paper presents procedures for implementing the EM algorithm to compute REML estimates of variance covariance components in Gaussian mixed models for longitudinal data analysis. The class of models considered includes random coefficient factors, stationary time processes and measurement errors. The EM algorithm allows separation of the computations pertaining to parameters involved in the random coefficient factors from those pertaining to the time processes and errors. The procedures are illustrated with Pothoff and Roy's data example on growth measurements taken on 11 girls and 16 boys at four ages. Several variants and extensions are discussed.


Keywords: EM algorithm / REML / mixed models / random regression / longitudinal data

Résumé:

Estimation EM-REML des paramètres de covariance en modèles mixtes gaussiens en vue de l'analyse de données longitudinales. Cet article présente des procédés permettant de mettre en \oeuvre l'algorithme EM en vue du calcul d'estimations REML des composantes de variance covariance en modèles mixtes gaussiens d'analyse de données longitudinales. La classe de modèles considérée concerne les coefficients aléatoires, les processus temporels stationnaires et les erreurs de mesure. L'algorithme EM permet de dissocier formellement les calculs relatifs aux paramètres des coefficients aléatoires de ceux impliqués dans les processus et la résiduelle. Ces méthodes sont illustrées par un exemple provenant de Pothoff et Roy sur des mesures de croissance prises sur 11 filles et 16 garçons à quatre âges différents. On discute enfin plusieurs variantes et extensions de cette méthode.


Mots clé : algorithme EM / REML / modèles mixtes / régression aléatoire / données longitudinales

Correspondence and reprints: Jean-Louis Foulley
foulley@jouy.inra.fr

Copyright INRA, EDP Sciences

Current usage metrics show cumulative count of Article Views (full-text article views including HTML views, PDF and ePub downloads, according to the available data) and Abstracts Views on Vision4Press platform.

Data correspond to usage on the plateform after 2015. The current usage metrics is available 48-96 hours after online publication and is updated daily on week days.

Initial download of the metrics may take a while.