Statistical and Numerical Challenges in Fitting Non-Linear Mixed-effects Models

Abstract

Deze scriptie onderzoekt de toepassing van niet-lineaire mixed-effects modellen op longitudinale data van de hersengebieden HVC, RA en het zogenaamde area_X bij zangvogels, die een sleutelrol spelen in het leren en produceren van zang. Met behulp van de SAS-procedure NLMIXED zijn verschillende niet-lineaire modellen gefit om individuele en groepsverschillen in neurale signaalintensiteit in de tijd vast te leggen. In de studie zijn verschillende integratie- en optimalisatietechnieken systematisch geëvalueerd, waarbij is benadrukt hoe deze keuzes de parameterinschattingen en de modelprestaties beïnvloeden. De resultaten bieden praktische handvatten voor onderzoekers die complexe biologische data analyseren en dragen bij aan een beter begrip van de statistische en biologische factoren die ten grondslag liggen aan veranderingen in de signaalintensiteit bij zangvogels.