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中的参考文献(参考文献26条)

显示第1到第20个结果,共26个。
按年份排序(引用)
  1. 徐安查;胡佳雯;王平平:基于逆高斯过程的亚种群异质性退化模型(2020)
  2. 张同林:广义高斯估计(2019)
  3. 徐培荣;彭亨;黄涛:纵向数据混合回归模型的无监督学习(2018)
  4. 西波利,威廉三世;Hanson,Timothy:可计算处理的近似和平滑Polia树(2017)
  5. 虞舜;黄先正:二元响应广义线性混合模型中的随机截距错误描述(2017)
  6. 张正新;胡昌华;四、小生;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)
  7. 包、俊舒;Hanson,Timothy E:均值约束有限混合正态模型(2016)
  8. 达拉瓦勒,露西安娜;德朱利,玛丽亚·埃琳娜;塔兰托拉,克劳迪娅;Manelli,Claudio:通过对copula构造进行违约概率估计(2016)
  9. 海因茨,费利克斯;Tutz,Gerhard:具有近似Dirichlet过程混合物的加法混合模型:EM方法(2016)
  10. 黄、陆;唐丽;张波;张志伟;张辉:重复计数测度广义线性混合效应模型拟合的不同计算方法比较(2016)
  11. 奥德科文,C.S。;国王,R。;巴克兰,S.T。;麦肯齐,医学博士。;埃文斯,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)
  12. 索特,拉斐尔;Hold,Leonhard:二元响应混合模型随机效应的准完全分离(2016)
  13. 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)
  14. Dion,Charlotte:线性混合模型中非参数估计的新自适应策略(2014)
  15. 雅斯贝尔斯,斯蒂恩;阿尔茨,马克;韦贝克,吉尔特;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)
  16. 考曼,哥兰;Meyer,Renate:阿基米德copula有限混合的惩罚边际似然估计(2014)
  17. 加埃基,安德泽伊;Burzykowski,Tomasz:使用R.逐步法的线性混合效应模型(2013)
  18. 海因茨,费利克斯;Tutz,Gerhard:使用EM算法在近似Dirichlet过程混合的线性混合模型中进行聚类(2013)
  19. 巴吉沙尼,侯赛因;瓦德街;Mohammadzadeh,Mohsen:混合数据克隆方法及其在广义线性混合模型中的应用(2012)
  20. 谢尔哈斯,基督徒;Kauermann,Göran:密度估计和与惩罚混合法的比较(2012)