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
(
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
uvre 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.
uvre 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