0000000000441852
AUTHOR
Viivi Haapaniemi
Innovatiiviset etäkuntoutuspalvelut
Tutkimuksen tavoitteena oli tutkia ja kehittää etäteknologian käyttöä Kelan laitoskuntoutuksessa ja työhyvinvointipalveluna toteutetussa etäkuntoutuksessa. Kuntoutusryhminä olivat sydänkuntoutukseen osallistuneet, tuki- ja liikuntaelinsairauksia sairastavat ja ammatillisen työkyvyn tuen tarpeessa olevat asiakkaat. Ensimmäisenä tavoitteena oli arvioida eri kuntoutusmallien vaikuttavuutta asiakkaiden fyysiseen toimintakykyyn ja koettuun elämänlaatuun sekä etäteknologiaa hyödyntävän kuntoutuksen osallistumiseen. Toisena tavoitteen oli kartoittaa asiakkaiden ja henkilökunnan kokemuksia etäteknologiasta osana tavanomaista kuntoutusta ja etäkuntoutusta. Lisäksi tässä artikkelissa tarkastellaan tu…
Uskottavuusfunktion approksimointi gaussisella variaatiomenetelmällä Poisson-sekamallin ja -latentin muuttujamallin tapauksessa
Tilastollisen mallin parametrit estimoidaan usein suurimman uskottavuuden menetelmällä. Havaitulla aineistolla ja voimassa olevan mallin vallitessa suurimman uskottavuuden estimointi valitsee malliparametreille arvot, jotka maksimoivat uskottavuusfunktion. Uskottavuusfunktion ollessa integraali yli latenttien eli havaitsemattomien muuttujien, ei uskottavuusfunktiota voida kuitenkaan kirjoittaa suljetussa muodossa. Tällöin uskottavuusfunktio voidaan approksimoida variaatiomenetelmällä. Variaatiomenetelmässä uskottavuusfunktiolle lasketaan alaraja, jota maksimoimalla saadaan approksimaatiot malliparametrien suurimman uskottavuuden estimaattoreille. Variaatiomenetelmä tuottaa malliparametrien …
Variational Approximations for Generalized Linear Latent Variable Models
Generalized linear latent variable models (GLLVMs) are a powerful class of models for understanding the relationships among multiple, correlated responses. Estimation, however, presents a major challenge, as the marginal likelihood does not possess a closed form for nonnormal responses. We propose a variational approximation (VA) method for estimating GLLVMs. For the common cases of binary, ordinal, and overdispersed count data, we derive fully closed-form approximations to the marginal log-likelihood function in each case. Compared to other methods such as the expectation-maximization algorithm, estimation using VA is fast and straightforward to implement. Predictions of the latent variabl…
Variational Approximations for Generalized Linear Latent Variable Models
Generalized linear latent variable models (GLLVMs) are a powerful class of models for understanding the relationships among multiple, correlated responses. Estimation, however, presents a major challenge, as the marginal likelihood does not possess a closed form for nonnormal responses. We propose a variational approximation (VA) method for estimating GLLVMs. For the common cases of binary, ordinal, and overdispersed count data, we derive fully closed-form approximations to the marginal log-likelihood function in each case. Compared to other methods such as the expectation-maximization algorithm, estimation using VA is fast and straightforward to implement. Predictions of the latent variabl…