meerva：使用验证分析测量误差数据子样本
有时，分析数据是使用更方便或更便宜的方法获得的，这些方法产生的“替代”变量可以更准确地获得，尽管不太方便；或者不太方便，或者花费更多，产生“参考”变量，被认为是无误差测量。当目标是推断参考变量时，对用误差测量的替代变量的分析通常会产生有偏估计。通常人们认为忽略替代变量中的测量误差只会使效应偏向于零假设，但事实并非如此。测量误差可能会使参数估计偏向或偏离原假设。如果有一个数据集包含来自全样本的替代变量数据，以及来自随机选择的子样本的参考变量数据，则可以评估参数估计中测量误差引入的偏差，并使用此信息根据所有可用数据得出改进的估计。从公式上讲，这些基于验证子样本中的参考变量和整个样本中的替代变量的估计可以解释为从验证子样本中的参考变量的估计开始，并用替代变量的额外信息“扩充”这一点。这意味着术语“增强”估计。当有一个随机选择的子样本同时包含代理变量和参考变量时，meerva包在回归设置中计算这些增强估计。在任何或所有预测因素（同时）以及结果中，测量误差可能是有差异的或无差异的。增广估计部分来源于来自参考变量的回归模型参数估计和来自验证子集的替代变量之间的多元相关性。因为验证子样本是随机选择的，所以由测量误差施加的任何偏差，无论是非微分还是微分，都反映在这种相关性中，并且这些相关性可以用于使用整个样本的数据推导参考变量的估计值。该软件包中的主要功能是meerva.fit，用于计算数据集的估计值，meerva.sim.block，用于模拟用户描述的多个数据集，并分析这些数据集，存储回归系数估计值以供检查。Kremers WK（2021）更详细地描述了增加的估计以及实际中可能出现的测量误差<doi:10.448550/arXiv.2106.14063>是陈永和（2000）作品的延伸<doi:10.1111/1467-9868.00243>陈永华（2002）<doi:10.1111/1467-9868.00324>、王X、王Q（2015）<doi:10.1016/j.jmva.2015.05.017>Tong J、Huang J、Chubak J等（2020年）<doi:10.1093/jamia/ocz180>.
文档：
下载内容：
链接：
请使用规范形式https://CRAN.R-project.org/package=meerva链接到此页面。
