gcmr

R包gcmr:高斯copula边际回归。本文确定并发展了一类用于非正态相关观测值的边际回归分析的高斯copula模型。该类提供了具有正态相关误差的传统线性回归模型的自然扩展。任何一种连续的,离散的和分类的反应都是允许的。相关性可以方便地用多元正态误差建模。通过似然法进行推理。当似然函数以闭合形式可用于连续响应时,在非连续设置中使用数值近似。为了验证所假设的多元模型的充分性,提出了残差分析和规范检验。该方法是在一个名为gcmr的R包中实现的。举例说明包括模拟和实际数据应用有关的时间序列,交叉设计数据,纵向研究,生存分析和空间回归。


zbMATH中的参考文献(引用于,2标准条款)

显示第1到第20个结果,共25个。
按年份排序(引用)
  1. 郭峰;马,卫;王磊:具有不可忽略缺失数据的copula模型的半参数估计(2020)
  2. Mohammed Alqawba;Norou Diawara;Rao Chaganty,N.:使用高斯copula的零膨胀计数时间序列模型(2019年)
  3. Côe,Marie Pier;Genest,Christian;Omelka,Marek:基于等级的copula回归推理工具,以及财产和意外保险应用(2019年)
  4. Lennon,Hannah;Yuan,Jingsong:通过蒙特卡罗期望最大化估计数字高斯ARMA模型(2019年)
  5. Meulman,Jacqueline J.;van der Kooij,Anita J.;Duisters,Kevin L.W.:ROS回归:将正则化与最优标度回归相结合(2019)
  6. Petterle,Ricardo Rasmussen;Bonat,Wagner Hugo;Scarpin,Cassius Tadeu:应用于水质指数数据的准β纵向回归模型(2019年)
  7. 何勇;张新胜;张立文:高维高斯-copula回归模型的变量选择:自适应假设检验方法(2018)
  8. Popovic,Gordana C.;Hui,Francis K.C.;Warton,David I.:离散数据协方差建模的通用算法(2018)
  9. Bonat,W.H.;Olivero,J.;Grande Vega,M.;Farfan,M.A.;Farfán,M.A.;Fafán,M.A.;Fa,J.E.:在边际多变量计数模型中建模协方差结构:Bioko岛的狩猎(2017年)
  10. Dey,Rajib;Islam,M.Ataharul:重复计数数据的条件计数模型及其在GEE方法中的应用(2017)
  11. Guido Masarotto和Cristiano Varin:R中的高斯Copula回归(2017)不是zbMATH
  12. Huang,A.:关于向量回归的广义估计方程(2017)
  13. Tobias Liboschik;Konstantinos Fokianos;Roland Fried:tCount:R软件包,用于分析广义线性模型下的计数时间序列(2017年)不是zbMATH
  14. 丁伟;宋彼得X.-K.:缺失数据高斯copula中的EM算法(2016)
  15. Feng,J.W.;Cen,S.;Li,C.F.;Owen,D.R.J.:多相随机介质的统计重构和Karhunen-Loève展开(2016)
  16. Jiryaie,F.;Withange,N.;Wu,B.;de Leon,A.R.:混合数据的高斯copula分布及其在判别中的应用(2016)
  17. 雅各布,Stöber;Hong,Hyokyong Grace;Czado,Claudia;Ghosh,Pulak:老年人慢性疾病的共病:混合反应的copula设计识别的模式(2015)
  18. William Dunsmir;David Scott:观测驱动的时间序列回归的glarma软件包(2015)不是zbMATH
  19. 阿格雷斯蒂,艾伦:分类数据分析的两个贝叶斯/频率专家挑战(2014)
  20. Bai,Yun;Kang,Jian;Song,Peter X.-K.:空间聚类数据的有效成对复合似然估计(2014)