Methods for Generating Longitudinally Correlated Binary Data

Patrick J. Farrell and Katrina Rogers‐Stewart

International Statistical Review, 2008, vol. 76, issue 1, 28-38

Abstract: The analysis of longitudinally correlated binary data has attracted considerable attention of late. Since the estimation of parameters in models for such data is based on asymptotic theory, it is necessary to investigate the small‐sample properties of estimators by simulation. In this paper, we review the mechanisms that have been proposed for generating longitudinally correlated binary data. We compare and contrast these models with regard to various features, including computational efficiency, flexibility and the range restrictions that they impose on the longitudinal association parameters. Some extensions to the data generation mechanism originally suggested by Kanter (1975) are proposed. L'analyse des données longitudinales corrélées fait récemment l'objet d'un grand intérêt. Comme l'estimation des paramètres des modèles pour de telles données est souvent basée sur des études asymptotiques, il est nécessaire de procéder à des simulations pour explorer les propriétés des estimateurs en petits échantillonages. Dans ce papier, nous présentons une revue des méthodes qui ont été proposées pour générer des données binaires longitudinales corrélées. Nous les comparons sous différents aspects, notamment en termes d'efficience, flexibilité, et des restrictions qu'elles peuvent avoir sur les paramètres dits d'association longitudinale. Quelques extensions, de la méthode suggérée par Kanter (1975) pour générer de telles données, sont aussi proposées.

Date: 2008
References: Add references at CitEc
Citations: View citations in EconPapers (4)

Downloads: (external link)
https://doi.org/10.1111/j.1751-5823.2007.00017.x

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:bla:istatr:v:76:y:2008:i:1:p:28-38

Ordering information: This journal article can be ordered from
http://www.blackwell ... bs.asp?ref=0306-7734

Access Statistics for this article

International Statistical Review is currently edited by Eugene Seneta and Kees Zeelenberg

More articles in International Statistical Review from International Statistical Institute Contact information at EDIRC.
Bibliographic data for series maintained by Wiley Content Delivery ().