glmmAK公司

glmmAK包:广义线性混合模型。该软件包在具有二元(logit模型)和多项式响应(累积logit模型)的logistic回归和Poisson回归(对数线性模型)中实现最大似然估计。其次,实现了logistic和Poisson回归模型中基于MCMC的Bayesian估计,该模型的分布为惩罚正态混合分布。方法和使用的软件包在:KOMÁREK,A.和LESAFFRE,E.(2008)中描述。广义线性混合模型的惩罚高斯混合随机效应分布。计算统计与数据分析,52(7),3441–3458,


zbMATH参考文献(24篇文章引用)

显示第1到第20个结果,共24个。
按年份排序(引用)
  1. 张同林:广义高斯估计(2019)
  2. 徐培荣;彭恒;黄涛:纵向数据混合回归模型的无监督学习(2018)
  3. Cipolli,William III;Hanson,Timothy:可计算处理的近似和平滑Polia树(2017)
  4. 于,顺;黄,贤正:二元响应广义线性混合模型中的随机截距错误指定(2017)
  5. 张正新;胡昌华;司晓生;张建勋;郑建飞:具有柔性随机效应的随机退化过程建模与剩余使用寿命估计(2017)
  6. Bao,Junshu;Hanson,Timothy E:均值约束有限混合正态模型(2016)
  7. DallaValle,Luciana;De Giuli,Maria Elena;Tarantola,Claudia;Manelli,Claudio:通过配对copula构造进行违约概率估计(2016年)
  8. Heinzl,Felix;Tutz,Gerhard:具有近似Dirichlet过程混合物的加法混合模型:EM方法(2016)
  9. 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)
  10. Oedekoven,C.S.;King,R.;Buckland,S.T.;Mackenzie,M.L.;Evans,K.O.;Burger,L.W.:使用分层中心来促进随机效应模型的可逆跳跃MCMC算法(2016年)
  11. Sauter,Rafael;Hold,Leonhard:二元响应混合模型随机效应的准完全分离(2016)
  12. Mabon,G.:线性混合效应模型中边际随机效应密度的自适应估计(2015)
  13. Dion,Charlotte:线性混合模型中非参数估计的新自适应策略(2014)
  14. Jaspers,Stijn;Aerts,Marc;Verbeke,Geert;Beloeil,Pierre Alexandre:区间截尾数据的新半参数混合模型及其在抗菌药物耐药性领域的应用(2014)
  15. Kauermann,Göran;Meyer,Renate:有限混合阿基米德copula的惩罚边际似然估计(2014)
  16. Gałecki,Andrzej;Burzykowski,Tomasz:使用R.逐步方法的线性混合效应模型(2013)
  17. Baghishani,Hossein;Rue,Håvard;Mohammadzadeh,Mohsen:关于混合数据克隆方法及其在广义线性混合模型中的应用(2012)
  18. Schellhase,Christian;Kauermann,Göran:密度估计和与惩罚混合方法的比较(2012)
  19. Broström,Göran;Holmberg,Henrik:具有聚集数据的广义线性模型:固定和随机效应模型(2011)
  20. Hosseini,Fatemeh;Eidsvik,Jo;Mohammadzadeh,Mohsen:Aspective-normal潜在变量空间GLMM中的近似贝叶斯推断(2011)