×
塞缪尔·穆勒;王索金;A.H.威尔士。

工作相关性对纵向数据拟合模型的影响。 （英语） Zbl 07846698号

扫描。J.统计。 51，第2号，891-912（2024）。
小结：我们详细讨论了边际线性回归模型中参数的二次推理函数估计的理论性质。我们考虑了工作相关性的选择对基本问题的影响，包括二次推理函数估计量的存在性，它们与广义估计方程估计量的关系，二次推理函数和广义估计方程估计量的鲁棒性和渐近相对效率。我们证明了二次推理函数估计量并不总是存在的，并提出了一种处理方法。然后，我们证明了它们具有无界影响函数，并且可以或多或少地比广义估计方程估计量渐近有效。我们还提供了实证证据来证明这些结果。我们的结论是，工作相关性的选择会产生令人惊讶的巨大影响。
©2024作者。斯堪的纳维亚统计杂志由John Wiley&Sons Ltd代表《斯堪的纳维亚统计杂志》基金会董事会出版。

MSC公司：

62至XX 统计

关键词：

渐近效率;广义估计方程估计量;影响函数;二次推理函数估计量;稳健性;灵敏度曲线
PDF格式BibTeX公司 XML格式引用
\textit{S.Muller}等人，扫描。J.Stat.51，No.2，891--912（2024；Zbl 07846698）
全文： 内政部
OA许可证

参考文献：

[1] Al‐Rawwash，M.和Pourahmadi，M.（2006）。纵向数据中离散度和相关性的高斯估计和联合建模。生物医学中的计算机方法和程序，82，106-113。
[2] Al‐Rawwash，M.和Pourahmadi，M.（2013）。纵向数据中回归和相关参数的高斯估计。阿拉伯大学基础和应用科学协会杂志，13，28-34。
[3] Chaganty，N.R.（1997年）。通过广义估计方程分析纵向数据的另一种方法。《统计规划与推断杂志》，63，39-54·Zbl 0902.62082号
[4] Chaganty，N.R.和Shults，J.（1999）。关于消除相关参数的准最小二乘估计中的渐近偏差。统计规划与推断杂志，76145-161·兹比尔1054.62568
[5] Cho，H.和Qu，A.（2015）。通过结合大尺寸力矩条件对纵向数据进行有效估计。电子统计杂志，91315-1334·Zbl 1327.62370号
[6] Crowder，M.（1995）。关于在使用广义线性模型进行重复测量时使用工作相关矩阵的问题。生物特征，82407-410·Zbl 0823.62060号
[7] 克劳德，M.（2001）。协方差结构错误的重复测量分析。英国皇家统计学会杂志，B辑（统计方法），63，55-62·Zbl 0976.62068号
[8] Dumitrescu，L.、Qian，W.和Rao，J.N.K.（2021）。从复杂抽样调查中推断纵向数据：基于二次推理函数的方法。《斯堪的纳维亚统计杂志》，48，46-274·Zbl 1467.62030
[9] Hampel，F.R.（1974年）。影响曲线及其在稳健统计中的作用。美国统计协会杂志，69，383-393·Zbl 0305.62031号
[10] Han，P.和Song，P.X.‐K。(2011). 关于使用线性收缩方法改进二次推理函数的注释。统计与概率快报，81，438-445·Zbl 1207.62147号
[11] Hansen，L.P.（1982）。广义矩估计方法的大样本性质。《计量经济学》，501029-1054·Zbl 0502.62098号
[12] Hector，E.C.和Song，P.X.‐K。(2022). 对具有相关向量结果的多个数据源进行联合综合分析。《应用统计年鉴》，第16期，1700-1717页·兹比尔1498.62219
[13] Heyde，C.C.（1997）。拟似然及其应用：最优参数估计的一般方法。斯普林格·Zbl 0879.62076号
[14] Huber，P.J.（1967年）。非标准条件下极大似然估计的行为。正在进行的第五届伯克利数学统计与概率研讨会（第一卷）。加利福尼亚大学出版社。
[15] Lai，P.、Liang，W.、Wang，F.和Zhang，Q.（2020年）。超高维纵向数据二次推理函数的特征筛选。统计计算与模拟杂志，902614-2630·Zbl 07480195号
[16] Liang，K.Y.和Zeger，S.L.（1986）。使用广义线性模型进行纵向数据分析。生物特征，73，13-22·兹比尔0595.62110
[17] Lipsitz，S.R.、Molenberghs，G.、Fitzmaurice，G.M.和Ibrahim，J.（2000）。当数据不完整时，GEE采用相关性的高斯估计。生物统计学，56528-536·兹比尔1060.62537
[18] Luo，L.、Wang，J.和Hector，E.C.（2023）。流式纵向数据的统计推断。生物特征，110，841-858。
[19] Luo，L.，Zhou，L.和Song，P.X.-K。(2022). 对可能出现异常数据批的流式聚集数据进行实时回归分析。《美国统计协会杂志》，1182029-2044年·Zbl 07751826号
[20] Lv，J.、Yang，H.和Guo，C.（2015）。一种有效且稳健的纵向广义线性模型变量选择方法。计算统计与数据分析，82，74-88·Zbl 1507.62123号
[21] Manschot，C.和Hector，E.C.（2022）。功能回归与深度测量的纵向结果：通过数据分割的新视角。arXiv，arXiv:2207.13014。
[22] Pourahmadi，M.（2000年）。广义线性多元正态协方差矩阵的最大似然估计。生物统计学，87，425-435·Zbl 0954.62091号
[23] Prentice，R.L.（1988）。与每个二元观测值特定的协变量相关的二元回归。生物计量学，441031-1048·Zbl 0715.62145号
[24] Prentice，R.L.和Zhao，L.P.（1991）。多元离散和连续响应的均值和协方差中参数的估计方程。生物统计学，47825-839·Zbl 0729.62560号
[25] Qu，A.和Li，R.（2006年）。具有纵向数据的变系数模型的二次推理函数。生物统计学，62379-391·Zbl 1097.62037号
[26] Qu，A.和Lindsay，B.G.（2003年）。当协方差估计难以求逆时，建立自适应估计方程。英国皇家统计学会杂志，B辑（统计方法），65，127-142·Zbl 1063.62083号
[27] Qu，A.、Lindsay，B.G.和Li，B.（2000）。使用二次推理函数改进广义估计方程。生物统计学，87823-836·Zbl 1028.62045号
[28] Qu，A.和Song，P.X.‐K。(2004). 评估广义估计方程和二次推理函数的稳健性。《生物统计学》，91，447-459·Zbl 1079.62038号
[29] 宋，P.X.‐K。，Liang，Z.、Park，E.和Qu，A.（2009年）。纵向数据边际模型中的二次推理函数。医学统计学，28，3683-3696。
[30] Wang，L.，Zhou，J.，&Qu，A.（2012）。高维纵向数据分析的惩罚广义估计方程。生物统计学，68，353-360·Zbl 1251.62051号
[31] Wang，Y.和Carey，V.（2003）。工作相关结构错误指定、估计和协变量设计：广义估计方程性能的含义。《生物特征》，90，29-41·Zbl 1035.62074号
[32] Wedderburn，R.W.M.（1974）。拟似然函数、广义线性模型和高斯-牛顿法。生物特征，61439-447·Zbl 0292.62050号
[33] 韦斯特盖特，P.M.（2014）。改进广义估计方程和平衡纵向数据的相关结构选择方法。医学统计学，332222-237。
[34] Westgate，P.M.和Braun，T.M.（2013）。一种改进的二次推理函数，用于相关数据分析中的参数估计。医学统计，323260-3273。
[35] Xu，L.、Li，J.和Liao，S.（2022）。使用混合工作相关矩阵分析协变量发散数的GEE。统计计算与模拟杂志，92，748-763·Zbl 07498009号
[36] Zheng，X.、Fung，W.K.和Zhu，Z.（2013）。纵向数据联合均值协方差回归模型中的稳健估计。统计数学研究所年鉴，65，617-638·Zbl 1273.62095号
[37] Zheng，X.、Fung，W.K.和Zhu，Z.（2014）。用于纵向数据分析的稳健联合均值和协方差模型中的变量选择。中国统计局，24，515-531·Zbl 1285.62112号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。