估计方程中的模型选择

模型选择是许多实际回归分析中的必要步骤。但是，对于基于估计方程的方法，如拟似然法和广义估计方程（GEE）方法，似乎很少有研究透彻的模型选择技术。在本文中，我们提出了一种新的模型选择准则，该准则最小化估计方程的预期预测偏差（EPB）。提出了EPB的bootstrap平滑交叉验证（BCV）估计，并通过对过分散广义线性模型的仿真评估了其性能。为了说明这一点，该方法被应用于一个从母羊胚胎发育研究中获得的真实数据集。