陆毅强;张日泉 广义变系数混合模型的平滑样条估计。 (英语) Zbl 1172.62009年 J.非参数统计。 21,第7期,815-825(2009)。 摘要:具有纵向数据的广义变系数模型面临着数据相关性的挑战,因为每个个体都有多个观测值。我们考虑广义变系数混合模型(GVCMM),该模型使用变系数模型来拟合平均函数,同时通过添加随机效应来考虑过度分散和相关性。平滑样条用于估计光滑但任意的非参数系数函数。用拉普拉斯方法近似计算拟似然函数中通常难以处理的积分。这表明GVCMM可以近似地用广义线性混合模型表示。因此,可以使用限制最大对数似然法(REML)估计平滑参数和方差分量,其中平滑参数被视为额外的方差分量向量。我们通过一些仿真和对实际数据集的应用来说明该方法的性能。 引用于4文件 MSC公司: 62G08号 非参数回归和分位数回归 62G05型 非参数估计 65C60个 统计中的计算问题(MSC2010) 62J12型 广义线性模型(逻辑模型) 2015年1月62日 贝叶斯推断 62甲12 多元分析中的估计 关键词:变系数模型;广义变系数混合模型;平滑样条曲线;限制最大似然 软件:全球供应链 PDF格式BibTeX公司 XML格式引用 \textit{Y.Lu}和\textit{R.Zhang},《非参数统计》第21卷,第7期,815–825(2009年;Zbl 1172.62009) 全文: 内政部 参考文献: [1] 内政部:10.2307/2290687·Zbl 0775.62195号 ·doi:10.2307/2290687 [2] 哈斯蒂·T·J·罗伊。统计师。Soc.序列号。B 55第757页–(1993年) [3] 内政部:10.1093/biomet/85.4809·Zbl 0921.62045号 ·doi:10.1093/biomet/85.4.809 [4] 内政部:10.1198/016214501753168280·Zbl 1018.62034号 ·doi:10.1198/016214501753168280 [5] 内政部:10.1111/1467-9868.00233·doi:10.1111/1467-9868.00233 [6] 内政部:10.1093/biomet/89.1111·Zbl 0998.62024号 ·doi:10.1093/biomet/89.1.111 [7] DOI:10.1081/STA-120029828·Zbl 1114.62318号 ·doi:10.1081/STA-120029828 [8] 张瑞,变系数模型(2004) [9] 内政部:10.2307/2669476·Zbl 0996.62078号 ·doi:10.2307/2669476 [10] 数字对象标识码:10.1111/j.1467-9868.2006.00539.x·Zbl 1110.62053号 ·文件编号:10.1111/j.1467-9868.2006.00539.x [11] 内政部:10.1111/1467-9868.00183·Zbl 0915.62062号 ·doi:10.1111/1467-9868.00183 [12] Green P.J.,非参数回归和广义线性模型(1994)·Zbl 0832.62032号 [13] 内政部:10.2307/2287970·Zbl 0587.62067号 ·doi:10.2307/2287970 [14] Gu C.,平滑样条方差分析模型(2002)·Zbl 1051.62034号 [15] DOI:10.2307/2286796·Zbl 0373.62040号 ·doi:10.2307/2286796 [16] Wahba G.、J.Roy。统计师。Soc.B 40第364页–(1978年) [17] 内政部:10.1214/aos/1176349743·Zbl 0596.65004号 ·doi:10.1214操作系统/1176349743 [18] DOI:10.1093/biomet/80.1.75·Zbl 0771.62027号 ·doi:10.1093/biomet/80.1.75 [19] Wahba G.、J.Roy。统计师。Soc.B 45第133页–(1983年) [20] 内政部:10.2307/2291720·Zbl 0882.62059号 ·doi:10.2307/2291720 [21] Weiss R.E.,《纵向数据建模》(2005年)·Zbl 1076.62071号 [22] 内政部:10.2307/2529876·Zbl 0512.62107号 ·doi:10.2307/2529876 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。