저자

Kwangmin Kim

공개

2026년 04월 10일

1 Hedeker 시리즈 (진행 중)

1.1 Ch.1-3: ANOVA / MANOVA 접근법

2026-04-10, Ch.1 — 종단 연구 개요
2026-04-10, Ch.2 — 반복측정 ANOVA
- 2026-04-09, § 2.1 — 단일 표본 RM-ANOVA: 시간 효과 분해
- 2026-04-09, § 2.2 — 다중 표본 RM-ANOVA: 분할구획 설계
- 2026-04-10, Ch.2 Illustration — Bock 어휘 성장 데이터
2026-04-10, Ch.3 — MANOVA 종단 접근
- 2026-04-10, § 3.1 — ANOVA vs MANOVA 데이터 배치
- 2026-04-10, § 3.2 — MANOVA 일표본 (직교 다항식 P 행렬)
- 2026-04-10, § 3.3 — MANOVA 다표본 (s 집단)
- 2026-04-10, Ch.3 Illustration — Bock 수치 계산

1.2 Ch.4: Mixed-Effects Regression for Continuous Outcomes

2026-04-10, Ch.4 Overview — 혼합효과 회귀모형 개요
- 2026-04-10, § 4.1 — 단순 선형회귀: MRM 출발점
- 2026-04-10, § 4.2 — 랜덤 절편 MRM
- 2026-04-10, § 4.3 — 랜덤 절편·추세 MRM
- 2026-04-10, § 4.4 — 행렬 공식화
- 2026-04-10, § 4.5 — MRM 추정론 (ML/REML/EM/Fisher Scoring)

1.3 Ch.5: Mixed-Effects Polynomial Regression Models

2026-04-29, Ch.5 Overview — 다항식 추세 MRM 개요
- 2026-04-29, § 5.2 — 곡선형 추세 MRM (Curvilinear Trend Model)
- 2026-04-29, § 5.3 — 직교 다항식 (Orthogonal Polynomials)
- 2026-04-29, § 5.3.4-5.3.5 — 고차 다항식·Cubic 추세

1.4 Ch.6: Covariance Pattern Models

2026-04-29, Ch.6 Overview — 공분산 패턴 모형 (CPM)
- 2026-04-30, § 6.2.1-6.2.2 — CPM 의 두 절약 구조: CS 와 AR(1)
- 2026-04-30, § 6.2.3-6.2.4 — CPM 의 두 유연 구조: Toeplitz 와 UN
- 2026-04-30, § 6.2.5 — Random-Effects 구조: MRM 과 CPM 을 잇는 다리
- 2026-04-30, § 6.3 — CPM 모형 선택: UN 기준 LR 검정과 2-step 절차
- 2026-04-30, § 6.4 — Bock WPSS 예시: 5 모형 적합 비교 + UN 임상 해석

1.5 Ch.9: Mixed-Effects Regression Models for Binary Outcomes (GLMM)

2026-04-30, Ch.9 Overview — Mixed-Effects Logistic Regression for Binary Outcomes
- 2026-04-30, § 9.2-9.3 — 로지스틱과 Probit 회귀: GLMM 이항의 토대
- 2026-04-30, § 9.4 — Threshold Concept: 잠재 변수로 본 이항 데이터

1.6 Ch.8: Generalized Estimating Equations (GEE)

2026-04-30, Ch.8 Overview — GEE: GLM 의 상관 데이터 확장 + Sandwich 추정
- 2026-04-30, § 8.1-8.2 — GEE 의 토대: Marginal 모형과 GLM 복습
- 2026-04-30, § 8.3-8.4 — GEE 모형과 추정: 5 작동 상관 + Sandwich
- 2026-04-30, § 8.5 — Gruder 흡연 절제 데이터 GEE 분석

1.7 Ch.7: MRM with Autocorrelated Errors

2026-05-14, Ch.7 Overview — 조건부 독립 가정 완화·5 자기상관 구조
- 2026-05-15, § 7.2 — AR(1)·MA(1)·ARMA(1,1)·Toeplitz·NS-AR(1)
- 2026-04-30, § 7.2.1-7.2.2 — AR(1)·MA(1) 자기상관 오차 깊이
- 2026-04-30, § 7.2.3-7.2.4 — ARMA(1,1)·Toeplitz 자기상관 오차 깊이
- 2026-04-30, § 7.2.5 — 비정상 (NS) AR(1) 자기상관 오차
- 2026-04-30, § 7.3 — MRM-AC 모형 선택: 세 패러다임 비교 + LR/AIC/BIC
- 2026-04-30, § 7.4 — Bock WPSS MRM-AC 적합: 두 패러다임의 만남

2 Mixed Model 심화 시리즈

2026-03-07, 로드맵 — 종단 데이터 분석 전체 현황

2.1 Linear Mixed Model (LMM)

2026-03-07, mm-01 — 왜 Mixed Model인가 (GLM 한계, ICC, Fixed/Random)
2026-03-07, mm-02 — 모델 구조 (Random Intercept, Slope, 공분산)
2026-03-07, mm-03 — 추정과 모델 선택 (ML/REML, LRT, AIC/BIC)
2026-03-07, mm-04 — 실무 예시 (AI Agent 개인화 + Airbnb)

2.2 Generalized Linear Mixed Model (GLMM)

2026-03-07, mm-05 — GLMM 개요 (LMM 확장, Family/Link)
2026-03-07, mm-06 — GLMM 이진 결과 (로지스틱 혼합 모델)
2026-03-07, mm-07 — GLMM 카운트 결과 (포아송, 음이항, ZIP)

2.3 Generalized Estimating Equations (GEE)

2026-03-07, mm-08 — GEE (Marginal 효과, Working Correlation)

2.4 GAM / GAMM

2026-03-07, mm-09 — GAM/GAMM (Spline, 비선형 종단)

2.5 기법 비교

2026-03-07, mm-11 — LMM/GLMM/GEE/GAMM/FDA 비교 및 선택 가이드

2.6 진단 / EDA / 층화

2026-03-07, mm-15 — 회귀 진단: 잔차, 이상치, Bootstrap 추론
2026-03-07, mm-16 — 층화 분석: nest+map, 교호작용 vs 층화, Shrinkage
2026-03-07, mm-17 — 종단 EDA: Spaghetti Plot, 공분산 구조, 결측 패턴, ICC 사전 추정

2.7 패널 데이터 분석 (Panel Data Analysis)

2.8 연구 설계 (Study Design)

1111-11-11, 연구 설계 Overview: 역학·임상시험 계보와 IT A/B 테스트
1111-11-11, RCT & A/B Test 설계 원칙
1111-11-11, 관찰 연구: 코호트, 케이스-컨트롤, 단면 연구
1111-11-11, 준실험적 설계: ITS, RDD, Stepped Wedge
1111-11-11, 인과 추론 프레임워크 총정리

3 ML / DL / RL for Longitudinal Data

2026-03-08, ML for Longitudinal Data — Overview
- 2026-03-08, Random Survival Forest (RSF)
- 2026-03-08, XGBoost + 시간 피처 공학
- 2026-03-08, Hidden Markov Model (HMM) for Longitudinal Data
- 2026-03-08, Lasso / Elastic Net / glmmLasso — 종단 데이터의 변수 선택
2026-03-08, DL for Longitudinal Data — Overview
- 2026-03-08, LSTM/GRU for Longitudinal Data
- 2026-03-08, Temporal Convolutional Network (TCN)
- 2026-03-08, Temporal Transformer for Longitudinal Data
- 2026-03-08, Neural ODE — 연속 시간 역학으로 종단 데이터 모델링
2026-03-08, RL for Longitudinal Data — Overview
- 2026-03-08, Contextual Bandit for Personalization
- 2026-03-08, Dynamic Treatment Regime (DTR)
- 2026-03-08, Offline RL for Safe Policy Learning

4 초기 노트 (통합 예정)

Hedeker 시리즈가 완성되면 해당 포스트에 통합될 예정. 고유 내용은 보존한다.

2023-03-23, LDA (1) - Intro
2023-03-24, LDA (2) - Concepts & Covariance Models
2023-03-25, LDA (3) - Weight Least Square & REML
2023-03-24, MLE / REML — Mixed Model 추정 방법
2023-03-23, LDA - Survival / Cox Model (Shared Frailty, Stratified Cox)
2023-03-23, LDA - CD4+ Cell Depletion
2023-04-23, LDA - EDA

Subscribe

Enjoy this blog? Get notified of new posts by email: