奥里·罗森;姜文新;马丁·坦纳(Martin A.Tanner)。 边际模型的混合。 (英语) Zbl 0949.62067号 生物特征 87,第2期,391-404(2000)。 摘要:我们将最初为具有独立数据的回归模型开发的混合模型适用于相关结果数据的更一般情况,其中包括作为特例的纵向数据。估计是通过对EM算法的推广来完成的,我们称之为期望解(ES)算法。在此ES算法中,EM算法的M步被一个需要求解一系列广义估计方程的步骤所取代。ES算法是求解不完全数据广义估计方程的通用算法,然后将其应用于当前的混合边际模型问题。除了允许相关结果数据中固有的相关性外,这种边际模型混合的系统成分比传统的线性函数更灵活。该方法适用于正常和泊松响应数据。给出了ES算法的一些理论。 引用于29文件 MSC公司: 62J12型 广义线性模型(逻辑模型) 62页第10页 统计学在生物学和医学中的应用;元分析 62J99型 线性推理、回归 关键词:期望求解算法;碘含量数据;癫痫发作;相关结果数据;广义估计方程;不完整的数据;边际模型 PDF格式BibTeX公司 XML格式引用 \textit{O.Rosen}等人,《生物特征》87,第2期,391--404(2000;Zbl 0949.62067) 全文: 内政部