聚类数据的局部多项式回归分析

@文章{陈2005LocalPR,title={聚类数据的局部多项式回归分析},author={Kani Chen和Zhezhen Jin},journal={Biometrika},年份={2005},体积={92},页数={59-74},网址={https://api.semanticscholar.org/CorpusID:27428573}}
用于聚类数据分析的经典加权最小二乘局部多项式平滑,其关键思想是使用相关矩阵的广义逆,它可以处理各种类型的协变量。

本文图表

聚类数据的偏线性回归模型

本文考虑通过偏线性回归模型对聚类数据进行分析。采用广义估计方法建模簇内相关性的思想

纵向/聚类数据的设计自适应极小极大局部线性回归

本文研究了纵向/聚类数据的加权局部线性回归平滑器,其形式类似于经典的加权最小二乘估计。作为

局部线性混合效应模型生物学背景下的模型规范和解释

提出了一种局部线性混合模型(LLMM),它是线性混合效应模型(LME)的局部版本,LLMM方法产生了以协变量为条件的集群特定随机效应的估计,因此除了预期响应的局部估计外,获得了集群特定随机变异性如何依赖于协变量值的信息。

时变系数纵向模型的有效估计

摘要对于时变系数纵向模型的估计,广泛使用的局部最小二乘(LS)或协方差加权局部LS平滑使用来自局部样本的信息

纵向数据加性变系数回归模型的有效估计

我们考虑一个纵向数据加性变系数回归模型,其中一些因素(协变量)的系数是其他因素的加性函数,因此相互作用

纵向数据加性变系数回归模型的有效估计

我们考虑一个纵向数据加性变系数回归模型,其中一些因素(协变量)的系数是其他因素的加性函数,因此相互作用

聚类数据的经验似然局部多项式回归分析

文摘:本文将经验似然法与局部似然法相结合,构造了一个具有聚类数据的非参数回归模型的朴素经验似然比

具有纵向数据的边际回归样条的渐近性

已有研究表明,在使用非参数回归模型时,非参数函数估计量的渐近效率如何依赖于簇内相关性的处理

变系数边际模型及其在纵向数据分析中的应用

我们考虑一类非参数边际模型,其中回归系数被假定为时变光滑函数。此类模型在纵向数据分析中具有吸引力
...

考虑学科内相关性的边际非参数核回归

最近,对于集群内具有相关性的纵向或集群数据,人们对非参数和半参数方法产生了浓厚的兴趣。令人费解的是,当

局部多项式非参数回归和密度估计的经验偏差带宽

摘要通过多项式的局部拟合,提出了一种用于非参数回归的基于数据的局部带宽选择器。被称为经验偏置带宽选择器(EBBS)的估计器

无误差/有误差测量预测因子时聚类数据的非参数函数估计

摘要我们使用估计方程考虑了聚类数据的单协变量局部多项式核回归。我们假设每个簇上最多有m<∞个观测值。

局部多项式拟合中数据驱动的带宽选择:可变带宽和空间自适应

在估计平均回归函数及其导数时,局部加权最小二乘回归已被证明是一种非常有吸引力的技术。本论文重点关注

广义线性模型和拟似然函数的局部多项式核回归

摘要我们研究了带核权的局部多项式拟合的非参数回归技术在广义线性模型和拟似然环境中的推广。

使用广义线性模型进行纵向数据分析

本文提出了广义线性模型在纵向数据分析中的扩展。我们引入了一类估计方程,它给出了

使用非参数平滑器和随机测试分析重复测量。

描述了一种程序,该程序克服了缺点,同时保留了奶牛激素水平数据中混合模型方差分析的常见特征,并表明平滑增加了时间主效应和逐时间组交互作用的测试能力。

半参数模型中的拟似然估计

摘要假设响应变量Y的期望值可以写成h(Xβ+γ(T)),其中X和T是协变量,每个协变量都可以是向量值,β是未知参数向量,γ是

两个重复测量变量之间关系的非参数函数估计

我们描述了非参数估计回归函数的方法,以及在简单方差分量模型中估计方差分量的方法,该模型有时用于重复

广义估计方程方法的加法推广

对向量广义可加模型的基本方法进行了扩展,为梁的多元回归问题的广义估计方程方法提供了可加性扩展