×

多层logistic模型估计方法的比较。 (英语) Zbl 1037.62063号

考虑了一种形式为(y_{ij}=\pi_{iij}+e_{ij{})的多级逻辑模型,其中(y_}ij})是第(i)-簇中第(j)-个人的二元结果,具有条件贝努利分布,}、(X{ij})是处理条件\)为未观测到的正态分布随机项,且(βi)为未知系数。
考虑了以下最大似然估计方法:最大似然估值、近似最大似然,它使用了(pi{ij})泰勒级数展开式中的一阶和二阶项(惩罚拟似然估计,PQL)。在模拟研究中,对这些估计量比较了相应异质性检验的偏差、方差和功效。作者的结论是,一阶PQL是最好的。

理学硕士:

62年12月 广义线性模型(逻辑模型)
62F03型 参数假设检验
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Bryk,A.S.、Raudenbush,S.W.和Congdon,R.T,Jr.(1996)。HLM:使用HLM/2L和HLM/3L程序进行分层线性和非线性建模。科学软件国际-芝加哥。
[2] 吉本斯,R.D。;Hedeker,D.,三级数据的随机效应概率和逻辑回归模型,生物统计学,531527-1537(1997)·Zbl 0959.62106号 ·数字对象标识代码:10.2307/2533520
[3] Goldstein,H.,使用迭代广义最小二乘法的多级混合线性模型分析,生物统计学,73,43-56(1986)·Zbl 0587.62143号 ·doi:10.1093/biomet/73.1.43
[4] Goldstein,H.,限制无偏迭代广义最小二乘估计,生物统计学,76622-623(1989)·Zbl 0677.62064号 ·doi:10.1093/biomet/76.3.622
[5] Goldstein,H.,《非线性多级模型及其在离散响应数据中的应用》,Biometrika,78,45-51(1991)·doi:10.1093/生物技术/78.1.45
[6] Goldstein,H.(1995)。多级统计模型,第2版。,爱德华·阿诺德·隆登·Zbl 1014.62126号
[7] Goldstein,H。;Rasbash,J.,《具有二进制响应的多级模型的改进近似》,《皇家统计学会杂志》,159,505-513(1996)·Zbl 1001.62518号 ·doi:10.2307/2983328
[8] Goldstein,H,Rasbash,J,Plewis,I,Draper,D.,Browne,W.,Yang,M.,Woodhouse,G.,&Healy,M.(1998年)。MLwiN用户指南。朗登教育学院。
[9] Hedeker,D。;Gibbons,R.D.,用于多水平分析的随机效应序数回归模型,生物统计学,50933-944(1994)·Zbl 0826.62049号 ·doi:10.2307/2533433
[10] Hedeker,D。;Gibbons,R.D.,MIXOR:混合效应序数回归分析的计算机程序,生物医学中的计算机方法和程序,49,157-176(1996)·doi:10.1016/0169-2607(96)01720-8
[11] Lindstrom,M.J。;Bates,D.M.,重复测量数据的非线性混合效应模型,生物计量学,46,673-687(1990)·doi:10.2307/2532087
[12] 莫尔贝克,M。;Breukelen,G.J.P.(英国)。;Berger,M.P F.,多层逻辑模型的最优实验设计,统计学家,50,17-30(2001)·Zbl 1009.62570号
[13] Pinheiro,J.C.和Bates,D.M.(2000)。S和S-PLUS中的混合效应模型,第1版。,纽约施普林格-弗拉格·Zbl 0953.62065号 ·doi:10.1007/978-1-4419-0318-1
[14] 罗德里格斯,G。;Goldman,N.,《用二进制数据评估多级模型的估计程序》,《皇家统计学会杂志》,15873-89(1995)·doi:10.2307/2983404
[15] 罗德里格斯,G。;Goldman,N.,《改进的二元响应多水平模型估计程序:案例研究》,《皇家统计学会杂志》,164339-355(2001)·Zbl 1002.62507号 ·doi:10.1111/1467-985X.00206
[16] 周,X-H;Perkins,A.K。;Hui,S.L.,广义线性多水平模型软件包的比较,美国统计学家,53,3(1999)
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。