程序NLMIXED

NLMIXED过程适用于非线性混合模型,即固定效应和随机效应都是非线性的。这些模型有广泛的应用,其中两个最常见的是药代动力学和过度分散的二项式数据。PROC NLMIXED允许您为数据(给定随机效应)指定条件分布,该分布具有标准形式(正态、二项式、泊松)或使用SAS编程语句编码的一般分布。PROC-NLMIXED通过最大化随机效应的似然积分近似来拟合非线性混合模型。有不同的积分近似,主要的是自适应高斯求积和一阶泰勒级数近似。有多种可选优化技术可用于实现最大化;默认为对偶拟牛顿算法。优化问题的成功收敛导致基于似然函数二阶导数矩阵的参数估计及其近似标准误差。PROC NLMIXED使您能够使用估计模型,通过使用随机效应的经验Bayes估计来构造任意函数的预测。您还可以估计非随机参数的任意函数,PROC NLMIXED使用delta方法计算它们的近似标准误差。


zbMATH参考文献(参考 55篇文章

显示第1到第20个结果,共55个。
按年份排序(引用)
  1. Preisser,John S.;Inan,Gul;Powers,James M.;Chu,Haitao:诊断测试荟萃分析的总体平均方法(2019年)
  2. Wang,Bei;Zheng,Yi;Irimata,Kyle M.;Wilson,Jeffrey R.:小型聚集二进制数据分析中的自举ICC估计量(2019年)
  3. 邵逸云和迈克尔·史密森:CDF分位数回归的R包(2019)不是zbMATH
  4. Alberto Garcia Hernandez;Dimitris Rizopoulos:%JM:SAS宏,适用于纵向数据和时间响应的联合广义混合模型(2018)不是zbMATH
  5. Aragon,Davi C.;Achcar,Jorge A.;Martinez,Edson Z.:双泊松分布的最大似然和贝叶斯估计(2018年)
  6. Delia Voronca;Mulugeta Gebregziabher;Valerie Durkalski Mauldin;Lei Liu;Leonard Egede:MTPmle:半连续数据中边缘化推断的SAS宏和Stata程序(2018)不是zbMATH
  7. Nooraee,Nazanin;Molenberghs,Geert;Ormel,Johan;van den Heuvel,Edwin R.:用问卷调查处理纵向研究中缺失数据的策略(2018年)
  8. Shoukri,Mohamed M.:SAS和R相关数据分析(2018)
  9. Dey,Sanku;Mazucheli,Josmar;Anis,M.Z.:Kumaraswamy分布的多组分应力强度可靠性估计(2017)
  10. Grimm,Kevin J.;Ram,Nilam;Estabrook,Ryne:生长模型。结构方程和多级建模方法(2017)
  11. Sellers,Kimberly F.;Morris,Darcy S.:欠分散模型:处于“雷达之下”的模型(2017年)
  12. 苏,肖;罗,盛:带偏态和终端事件的删失纵向数据分析(2017)
  13. Daniel Communiges;Jacqmin Gadda,Hélène:动态生物统计模型(2016)
  14. Huang,Lu;Tang,Li;Zhang,Bo;Zhang,Zhiwei;Zhang,Hui:用于重复计数测度的广义线性混合效应模型拟合的不同计算方法的比较(2016)
  15. Jin,Ying;Kang,Minsoo:双相关数据的DIF方法比较(2016)数学
  16. Liu,Lei;Huang,Xuelin;Yaroshinsky,Alex;Cormier,Janice N.:终端事件存在下零膨胀复发事件的联合脆弱性模型(2016)
  17. Josmar Mazucheli;Coelho Barros,Emílio A.;Louzada,Francisco:关于加权林德利分布的假设检验(2016)
  18. Burton,J.H.;Volaufova,J.:两阶段非线性混合模型的近似测试(2015)
  19. Diaz,Mireya:用于诊断准确性荟萃分析的双变量随机效应模型的性能度量(2015)
  20. Carroll,Raymond J.:估计饮食消费模式的分布(2014年)