格列美脲

SAS PROC GLIMMIX:GLIMMIX程序适用于具有相关性或非恒定可变性且响应不一定正态分布的数据。这些模型被称为广义线性混合模型(GLMM)。与线性混合模型一样,GLMMs假设正态(高斯)随机效应。在这些随机效应的条件下,数据可以是指数族中的任意分布。


zbMATH中的参考文献(参考文献28条)

显示第1到第20个结果,共28个。
按年份排序(引用)
  1. 特蕾西L。成,约翰·S。Preisser,理查德·C。Zink:GEECORR:SAS宏,用于使用广义估计方程建立相关二元响应和群内相关的回归模型(2020年)阿尔十四
  2. 阿尔贝托·加西亚·埃尔南德斯;Dimitris Rizopoulos:%JM:SAS宏,适用于纵向数据和时间-事件响应的联合广义混合模型(2018)不是zbMATH
  3. 伊里玛塔,凯尔·M。;Wilson,Jeffrey R.:识别需要分层建模的类内相关性(2018)
  4. Shoukri,Mohamed M.:SAS和R相关数据分析(2018)
  5. Wagner Bonat:R中的多响应变量回归模型:mcglm包(2018)不是zbMATH
  6. 加西亚-埃斯库德罗,L。A、 。;戈尔达利扎,A。;格雷塞林,F。;英格拉西,S。;Mayo Iscar,A.:随机协变量回归混合物的稳健估计,通过修剪和约束(2017)
  7. Tango,Toshiro:随机对照试验的广义线性混合模型重复测量设计(2017)
  8. 琼斯,拜伦;Kenward,Michael G.:交叉试验的设计与分析(2015)
  9. Liang Xie和Laurence Madden:%hpglimix:GLMM估算的高性能SAS宏(2014)不是zbMATH
  10. 吉文斯,G。H、 。;贝弗里奇,J。R、 。;菲利普斯。J、 。;德雷珀,B。;吕,Y。M、 。;Bolme,D.:人脸识别和算法性能评估简介(2013)
  11. Stroup,Walter W.:广义线性混合模型。现代概念、方法和应用(2013年)
  12. Bacci,Silvia:纵向数据:项目反应理论模型背景下的不同方法(2012)
  13. 王鹏;蔡桂凤;Qu,Annie:具有未指定随机效应分布的混合效应模型的条件推理函数(2012)
  14. 杨、赵;哈丁,詹姆斯W。;Addy,Cheryl L.:零膨胀泊松混合模型中过度分散的分数测试(2010)
  15. 米萨,克里斯蒂安;加夫雷齐奇,佛罗伦萨;Foulley,Jean-Louis:使用SAEM算法对二进制结果的probit正态模型进行估计(2009)
  16. 施密德,肯德拉;马克思,大卫;萨马尔,阿肖克:基于新古典主义经典、对称性和黄金比例的面部吸引力指数计算(2008)ioport公司
  17. 于,Q。;唐,W。;Ma,Y。;赌博,S。A、 。;图,X。M、 :用不同诊断标准比较多种敏感性和特异性:性虐待和性健康研究的应用(2008)
  18. 迪恩,C。B、 。;Nielsen,Jason D.:广义线性混合模型:回顾和一些扩展(2007)
  19. 娜玛塔,哈丽特;希克迪,齐夫;费斯,克里斯特尔;阿尔茨,马克;莫伦伯格,吉尔特;海蒂,海蒂;范达姆,皮埃尔;Beutels,Philippe:使用广义线性混合模型从当前状态数据估计感染力(2007)
  20. 布朗,海伦;普雷斯科特,罗宾:在医学中应用混合模型(2006年)