基于功能主成分混合效应模型的语调分析

从出版商下载全文

IDEAS上列出的参考文献

1. 郭文胜，2002。"功能混合效应模型,"生物计量学国际生物识别学会，第58卷（1），第121-128页，3月。
2. 杰弗里·莫里斯（Jeffrey S.Morris）和雷蒙德·卡罗尔（Raymond J.Carroll），2006年。"基于小波的函数混合模型,"英国皇家统计学会学报B辑英国皇家统计学会，第68（2）卷，179-199页，4月。
3. Jeng‐Min Chiou&Hans‐Georg Müller&Jane‐Ling Wang，2003年。"具有平滑随机效应的函数拟似然回归模型,"英国皇家统计学会学报B辑英国皇家统计学会，第65卷（2），第405-423页，5月。
4. Matthew J.Gurka和Lloyd J.Edwards&Keith E.Muller&Lawrence L.Kupper，2006年。"将Box-Cox变换扩展到线性混合模型,"英国皇家统计学会杂志A辑英国皇家统计学会，第169（2）卷，第273-288页，3月。

引文

引用人：

1. 维克多·金斯堡和什洛莫·韦伯，2016年。"语言距离与民族语言的分裂和剥夺权利指数,"利达重印核心2855，卢万天主教大学，运营研究和计量经济中心（CORE）。
   • 维克托·金斯堡和什洛莫·韦伯，2016年。"语言距离与民族语言分馏和剥夺分权指数,"ECARES工作文件ECARES 2016-25，ULB——布鲁塞尔自由大学。
2. Victor Ginsburgh和Shlomo Weber，2020年。"语言经济学,"经济文学杂志美国经济协会，第58（2）卷，第348-404页，6月。
   • 韦伯、什洛莫和金斯堡，维克多，2018年。"语言经济学,"CEPR讨论文件13002，C.E.P.R.讨论文件。
   • Victor Ginsburgh和Shlomo Weber，2018。"语言经济学,"ECARES工作文件2018年至2018年，ULB——布鲁塞尔自由大学。
   • Ginsburgh，Victor&Weber，Shlomo，2020年。"语言经济学,"利达重印核心卢万天主教大学运营研究和计量经济中心（CORE）3118。
3. Dabo-Niang，S.&Guillas，S.和Ternynck，C.，2016年。"具有自回归误差的多元函数非参数模型的有效性,"多元分析杂志爱思唯尔，第147（C）卷，第168-182页。
4. 尚汉林，2013。"误差密度未知的非参数函数回归模型的贝叶斯带宽估计,"计算统计与数据分析爱思唯尔，第67卷（C），第185-198页。
5. Lin Zhang&Veerabhadran Baladandayuthapani&Hongxiao Zhu&Keith A.Baggerly&Tadeusz Majewski&Bogdan A.Czerniak&Jeffrey S.Morris，2016年。"大型空间相关函数数据集的函数CAR模型,"美国统计协会杂志《泰勒与弗朗西斯杂志》，第111卷（514），第772-786页，4月。
6. 韩尚，2014。"函数主成分分析综述,"AStA统计分析进展，施普林格；德国统计学会，第98卷（2），第121-142页，4月。
   • 韩林尚，2011。"函数主成分分析综述,"莫纳什计量经济学和商业统计工作文件2011年6月11日，莫纳什大学计量经济和商业统计系。
7. Chau，Van Vinh&von Sachs，Rainer，2016年。"复制时间序列谱的函数混合效应小波估计,"LIDAM讨论文件ISBA2016013年，卢万天主教大学统计、生物统计和精算科学研究所（ISBA）。
8. Shiers，Nathaniel&Aston，John A.D.&Smith，Jim Q.&Coleman，John S.，2017年。"高斯树约束在声学语言功能数据中的应用,"多元分析杂志爱思唯尔，第154（C）卷，第199-215页。

最相关的项目

1. Ana-Maria Staicu和Yingxing Li以及Ciprian M.Crainiceanu和David Ruppert，2014年。"相依数据的似然比检验及其在纵向和功能数据分析中的应用,"斯堪的纳维亚统计杂志丹麦理论统计学会；芬兰统计学会；挪威统计协会；瑞典统计协会，第41卷（4），第932-949页，12月。
2. 朱红晓（Hongxiao Zhu）、菲利普·布朗（Philip J.Brown）和杰弗里·莫里斯（Jeffrey S.Morris），2012年。"使用函数混合模型对函数和定量图像数据进行鲁棒分类,"生物计量学国际生物识别学会，第68卷（4），第1260-1268页，12月。
3. Li，Kan和Luo，Sheng，2019年。"多元纵向和时间-事件数据的贝叶斯函数联合模型,"计算统计与数据分析爱思唯尔，第129（C）卷，第14-29页。
4. Reiss Philip T.和Huang Lei&Mennes Maarten，2010年。"具有惩罚基扩张的标量回归的快速函数,"国际生物统计学杂志De Gruyter，第6卷（1），1-30页，8月。
5. Tapabrata Maiti&Samiran Sinha&Ping-Shou Zhong，2016年。"小面积估算的函数混合效应模型,"斯堪的纳维亚统计杂志丹麦理论统计学会；芬兰统计学会；挪威统计协会；瑞典统计协会，第43卷（3），第886-903页，9月。
6. Chen，Ziqi&Hu，Jianhua&Zhu，洪图，2020年。"表面功能模型,"多元分析杂志爱思唯尔，第180（C）卷。
7. Matthew Reimherr和Dan Nicolae，2016年。"函数线性模型中方差分量的估计及其在遗传力中的应用,"美国统计协会杂志《泰勒与弗朗西斯杂志》，第111卷（513），第407-422页，3月。
8. 罗瑞燕，辛琪，2023。"基于泛函泛逼近的非线性函数标量回归,"生物计量学国际生物识别学会，第79卷（4），第3319-3331页，12月。
9. Wesley K.Thompson和Ori Rosen，2008年。"稀疏函数数据的贝叶斯模型,"生物计量学国际生物识别学会，第64卷（1），第54-63页，3月。
10. Jeff Goldsmith&Vadim Zipunnikov&Jennifer Schrack，2015年。"广义多水平函数标度回归与主成分分析,"生物计量学国际生物识别学会，第71卷（2），第344-353页，6月。
11. Daniel Gervini和Patrick A.Carter，2014年。"翘曲函数方差分析,"生物计量学国际生物识别学会，第70卷（3），第526-535页，9月。
12. 王远（Yuan Wang）、胡建华（Jianhua Hu）、金安多（Kim-Anh Do）和布赖恩·霍布斯（Brian P.Hobbs），2019年。"空间相关函数数据的有效非参数估计,"生物科学统计，施普林格；国际中国统计协会，第11卷（1），第162-183页，4月。
13. Antoniadis，Anestis和Sapatinas，Theofanis，2007年。"函数混合效应模型中的估计和推断,"计算统计与数据分析爱思唯尔，第51卷（10），第4793-4813页，6月。
14. 方耀、吴一超、邹嘉林，2016。"稀疏函数数据分类的概率增强有效降维,"测试：西班牙统计与运筹学会官方期刊，施普林格；《运营调查协会》，第25卷（1），第1-22页，3月。
15. 田中正弘，2020年。"具有粗糙惩罚先验的局部投影的贝叶斯推断,"计算经济学，施普林格；计算经济学学会，第55卷（2），第629-651页，2月。
16. Chau，Van Vinh&von Sachs，Rainer，2016年。"复制时间序列谱的函数混合效应小波估计,"LIDAM讨论文件ISBA2016013年，卢万天主教大学统计、生物统计和精算科学研究所（ISBA）。
17. Jeffrey S.Morris&Philip J.Brown&Richard C.Herrick&Keith A.Baggerly&Kevin R.Coombes，2008年。"基于小波的函数混合模型对质谱蛋白质组数据的贝叶斯分析,"生物计量学国际生物识别学会，第64卷（2），第479-489页，6月。
18. Christian Ritz&Jens C.Streibig，2009年。"荧光曲线的函数回归分析,"生物计量学国际生物识别学会，第65卷（2），第609-617页，6月。
19. Lin Zhang&Veerabhadran Baladandayuthapani&Hongxiao Zhu&Keith A.Baggerly&Tadeusz Majewski&Bogdan A.Czerniak&Jeffrey S.Morris，2016年。"大型空间相关函数数据集的函数CAR模型,"美国统计协会杂志《泰勒与弗朗西斯杂志》，第111卷（514），第772-786页，4月。
20. 蒋嘉坤、林华珍、钟庆智、李毅，2022年。"多元非高斯函数数据的分析：半参数潜在过程方法,"多元分析杂志爱思唯尔，第189（C）卷。

有关此项目的更多信息

统计

更正

本网站上的所有材料均由各自的出版商和作者提供。您可以帮助纠正错误和遗漏。请求更正时，请提及此项目的句柄：RePEc:bla:jorssc:v:59:y:2010:i:2:p:297-317。请参阅一般信息关于如何更正RePEc中的材料。

如果您编写了此项目，但尚未在RePEc注册，我们鼓励您这样做在这里。这允许将您的个人资料链接到此项目。它还允许您接受我们不确定的该项目的潜在引用。

如果CitEc公司识别了一个书目参考，但没有将RePEc中的项目链接到它，您可以帮助这个表格.

如果你知道引用这一条的缺失条目，你可以通过以与上述相同的方式为每个引用条目添加相关引用来帮助我们创建这些链接。如果您是此项目的注册作者，您可能还需要检查您的RePEc作者服务个人资料，因为可能有一些引文等待确认。

有关此项目的技术问题，或更正其作者、标题、摘要、书目或下载信息，请联系：Wiley Content Delivery（以下电子邮件可用）。供应商的一般联系方式：https://edirc.repec.org/data/rssssea.html.

请注意，更正可能需要几周时间才能筛选出来各种RePEc服务。