廣義估計方程（Generalized Estimating Equations，簡稱GEE）是一種用於分析相關或重複測量數據的統計方法。它擴展了廣義線性模型（Generalized Linear Model，簡稱GLM），特別適用於處理具有依賴性的數據，例如同一受試者的重複測量或分組內部觀察數據。GEE通過考慮觀測之間的相關性，允許在推斷總體效應時同時考慮組內相關性。
GEE分析的步驟包括：
指定模型：選擇適當的回響變數和預測變數，並指定分布假設和連結函式。
指定相關結構：根據數據的性質選擇反映觀測之間依賴性的相關結構，如可交換、自回歸等。
選擇工作相關矩陣：這個矩陣是GEE的關鍵組成部分，影響模型參數的估計，並假設了每個組內觀察之間相關性的結構。
擬合模型：使用支持GEE的軟體（如R或Python）將模型擬合到數據中，軟體將使用疊代過程來估計最佳擬合數據的模型參數，同時考慮相關結構。
解釋結果：解釋估計的係數、標準誤差、p值等統計數據，以得出關於感興趣變數之間關係的結論。
GEE的套用範圍廣泛，包括但不限於：
植被覆蓋監測與製圖、森林砍伐與擴張、植被健康監測研究等。
城市建設的長期監測，如城市擴展、城市形態、城市溫度和熱島識別等。
農作物種植分布、作物狀況監測、產量估算和災害評估等。
GEE分析的一個重要參數是id變數，它在gee函式中指定分組變數，定義了觀察結果相關的集群或組。正確選擇id變數對於如何對每個組中的相關性進行建模至關重要。