AUXAL法式能够在您的桌面上对来自纵向增长钻研的数据进行急剧的分析

。该法式对站立高度或卧位长度的人体成上进行结构性和非结构性成长学分析

。它提供高度、速度和加快度的成长曲线的正确拟合或滑润，并在出版物质量图形输出中显示高度和速度曲线

。

?

定位和描述速度的Maxima值和Minima值

。该法式能够一次性分析多个案例的数据，并对了局进行纵向和横截面汇总

。选取贝叶斯估计步骤，该法式可能将结构模型拟合到不美满的纵向数据

。该设施能够从由随机春秋起头的短期钻研样本组成的混合纵向数据中估计整个成长周期的结构均匀曲线

。它还能够凭据成熟前的一个或多个身高丈量来预测成熟或全数其他春秋的身高

。

?

AUXAL 的特点蕴含

• 使用 BTT 模型或 JPA2 模型进行结构分析

• 通过残差的嘎凤叶变换或核滑润进行非结构分析

• 由易于筹备的 ASCII 号令文件节造的法式

• 能够从固定列或自由列 ASCII 文件中读取数据

• 能够从数据纪录中肆意地位的其他字段当选择自由列字段

• 陆续功夫点的数据能够在单独的纪录上或在一个长纪录上

• 在每种情况下，能够凭据春秋或身高领域选择观察值

• 能够凭据提供的列表选择或省略大型钻研中的案例?

?

AUXAL 4使用与AUXAL 3一样的经验贝叶斯估计法式，但有新的特点和改进，扩大了法式的职能，使其更方便使用

。估计模型参数的人丁协方差矩阵的正确性得到了提高

。只管来自Fels纵向钻研的数据档案持续作为几个模型的默认先验散布均匀值和协方差矩阵的起源，但更正确的估计协方差矩阵提供了AUXAL4的先验

。当用户想要用基于其他纵向数据的先验散布取代了当前工作中的先验散布时，所涉及的步骤已经简化

。

?

呈此刻提要输出列表末尾的结构均匀曲线的评估高度此刻蕴含肆意给定春秋的身高尺度误差

。它们有助于对结构均匀曲线的分组比力进行统计分析

。尺度误差是凭据参数的估计人丁协方差矩阵和结构均匀曲线在肆意给定春秋点相对于参数的导数推算的

。若是当前分析中的案例来自与如果的先验散布一样的人群，则在这些推算中使用先验的默认协方差矩阵

。若是当前样本的规模大到足以证明大样本如果的合理性，能够使用当前工作中估计的人群协方差矩阵来包办默认值

。

?

为混合纵向数据的横截面分析增长了设施

。它们蕴含给定春秋段均匀身高的尺度误差，以及评估肆意给定春秋段身高的所谓合理值的划定，允许对混合纵向数据的群体差距进行通例的多变量分析

。当每个案例在每个区间有一个观察到的身高时，尺度误差是正确的

。不然，它是守旧的；在该区间内的额表观测信息，但很难评估尺度误差的削减，由于这些观测是有关的

。

?

更改的号令、选项和关键词

MEAN和COVARIANCE号令

新选项：输入

?

这些号令允许用户用与当前分析更有关的先验均值和协方差矩阵来代替

。若是新版本的群体均值和协方差已经被法式估计并通过SAVE号令的MEAN关键字保留，那么这些号令中新选项的出现会自动从SAVE号令创建的现有文件中提取均值和/或协方差矩阵

。在没有import选项的情况下，均值或协方差矩阵将依照AUXAL的尺度挨次从蕴含参数值的现有文件中读取

。

?

ERROR号令

?

为了抑造maximum后验眼估计法式收敛失败而设置较大的误差尺度差（SD）不再是全局要求的

。此刻它只合用于那些在模型参数迭代估计中没有收敛的病例

。倒剽种情况产生时，法式会自动尝试沉新估计，至多五次、误差SD值不休增长

。若是随后获得收敛，结尾的SD值会呈此刻案例处置列表中

。这些调整通；嵯骷跏樟彩О艿拇问

。（若是通过挪用技术选项UNCOR来忽略各春秋段残差的自有关性，收敛失败的情况也会削减）

。

?

ERROR号令不再必要了，但仍可使用

。

?

技术号令

新选项：SAMPLE

?

若是该选项存在，法式将凭据当前工作中估计的模型参数的人丁协方差矩阵来推算肆意给定春秋的结构均匀曲线的尺度误差

。不然，默认的先验散布是推算中协方差矩阵的起源

。

?

新关键词：PLSEVAL=t

?

若是PROCEDURE号令的EVALUATE关键字存在，并且使用SAVE号令的EVAL关键词保留了陆续春秋段的病例评估高度，那么在如果每个春秋段的丈量误差散布的均匀值为0，尺度误差蹬宗单个病例误差方差的平方根的情况下，评估高度被转换为可信的值

。

在每个评估的身高中参与一个来自该散布的随机偏离值

Ｄ芄挥谜庑┲底魑，通过多变量方差分析来分析横截面均匀成长的群体差距

。它们的抽样方差蕴含抽样案例的影响，以及丈量误差和方程误差的影响（也见SAVE号令）

。

?

量t是随机数产生器的种子—肆意大于1且幼于2147483647的整数

。

?

新的关键字：ONLY=u

?

该关键字允许法式直接从用户提供的参数伎俩值（可能是其他钻研者的分析值）中推算结构均匀曲线的尺度误差

。这些参数需依照有关模型的尺度挨次使用MEAN号令来输入

。数量u是样本中获得假定均匀值的病例数

。而后，法式必要在一个至少有几个案例的虚构工作中执行

。曲线的绘造与泛泛一样

。在这些推算中使用默认的先验协方差矩阵

。

?

SAVE号令

?

关键字：COVARIANCE

?

这个关键词在AUXAL3中没有实现

。此刻它能够使用了

。

?

选项：HGTROW

?

若是案例高度或可信值高度被评估，该选项将以空格分隔的数值行列出输出：不然，数值将以单列列出

。

?

调整分歧种群的先验参数

若是有相宜的纵向成长钻研中N个案例的大样本丈量了局 ，模型参数的群体均匀协方差矩阵能够从每个案例的MAP估计和后验协方差矩阵中估计出来

。

?

由于在估计参数均值和协方差的先验散布中必要群体均值和协方差矩阵，所以在使用时必要一个“疏导“法式

Ｆ鹜，从BTT、JPA2或Jenss-Bayley模型的现有AUXAL先验起头

。只有每个案例中央隔优良的数据点和数量超过20个，用这个一时先验通过案例就能得到一个很好的人丁数量近似值

。订正后的先验能够通过SAVE号令保留到一个表部文件中

。

?

>SAVE means='priors.par'

?

priors.par文件蕴含模型参数的估计种群均匀值和种群协方差矩阵

。

?

第二次或第三次运行，每次都代替所产生的一时先验，将产生足够正确的种群均值和协方差矩阵估计，以便现实用于模型参数的MAP估计

。从上一次运行中获得先验是通过号令读入法式的

。

?

>MEAN MALE FILE='male. mea';

?

>COVARIANCE MALE FILE='male.cov'

。

?

【英文介绍】

Overview

Fast, comprehensive analysis of data from longitudinal growth studies is now available on your desktop with the AUXAL program from SSI.

?

The program performs both structural and nonstructural auxological analysis of human growth in standing height or recumbent length. It provides accurate fitting or smoothing of growth curves for height, velocity, and acceleration and displays the height and velocity curves in publication quality graphic output.

?

Maxima and minima of velocity are located and described. Data from multiple cases can be analyzed in one pass through the program and the results summarized both longitudinally and cross-sectionally.Employing Bayesian methods of estimation, the program is able to fit the structural models to incomplete longitudinal data. This facility makes it possible to estimate a structural average curve for the full growth cycle from mixed longitudinal data consisting of a sample of short studies beginning at random ages. It also makes possible the prediction of height at maturity, or any other age, from one or more measures of height prior to maturity.

?

Features of AUXAL include

?

Structural Analysis with the BTT Model or the JPA2 Model

Nonstructural Analysis by Fourier Transform of Residuals or Kernel Smoothing

Program controlled by an easy-to-prepare ASCII command file

Data may be read from fixed-column or free-column ASCII files

Free-column fields may be selected from among other fields anywhere in the data record

Data for successive time points can be on separate records or on one long record

Observations may be selected by age or height ranges in each case

Cases from a large study may be selected or omitted as specified on a supplied list?