×

负二项对数线性混合模型。 (英语) Zbl 1070.62058号

概述:泊松对数线性模型是解释计数变异性的常见选择。然而,在许多实际情况下,平均值和方差相等的限制是不现实的。关于泊松分布的过度分散可以通过对混合分布进行积分来明确建模,并且使用共轭伽马混合分布会导致负二项对数线性模型。本文将负二项对数线性模型推广到相依计数的情况,其中计数之间的相依性是通过在线性预测器中包含随机效应的线性组合来处理的。如果我们假设随机效应的向量是多元正态的,那么复杂形式的依赖关系可以通过适当的协方差结构规范来建模。虽然所得模型的似然函数不易处理,但可以使用SAS中的NLMIXED程序或在更复杂的示例中使用蒙特卡洛EM算法找到最大似然估计值(和标准误差)。另一种方法是完全不指定随机效应,并尝试使用非参数最大似然估计它们。通过几个例子说明了这些方法。

MSC公司:

62J12型 广义线性模型(逻辑模型)
65二氧化碳 蒙特卡罗方法
62G08号 非参数回归和分位数回归
10层62层 点估计
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Aitkin M,《统计与计算》6,第251页–(1996年)·doi:10.1007/BF00140869
[2] 数字对象标识码:10.1111/j.0006-341X.1999.00117.x·Zbl 1059.62564号 ·doi:10.1111/j.0006-341X.1999.00117.x
[3] AlfóM,《统计与计算》10,第279页–(2000年)·Zbl 0973.31009号 ·doi:10.1023/A:1008999824193
[4] Booth,JG,《皇家统计学会杂志》,B辑61第265页–(1999)·Zbl 0917.62058号 ·doi:10.1111/1467-9868.00176
[5] Breslow NE,《美国统计协会杂志》88第9页–(1993)
[6] Caffo BS,Ascent-based Monte Carlo EM(2002)
[7] Casella G,夹带物丰度抽样设计评估(1985)
[8] Cox DR,Biometrika 70第269页–(1983年)·Zbl 0511.62007号 ·doi:10.1093/biomet/70.1.269
[9] Dempster AP,《皇家统计学会杂志》,B辑39第1页–(1977年)
[10] 基弗J,《数理统计年鉴》,第27页,第887页–(1956年)·Zbl 0073.14701号 ·doi:10.1214/aoms/1177728066
[11] Laird NM,《美国统计协会杂志》73 pp 805–(1978)·doi:10.1080/01621459.1978.10480103
[12] Land KC,《社会学方法与研究》24页387–(1996)·doi:10.1177/004912419624004001
[13] Lindsay BG,《统计年鉴》11,第86页–(1983年)·Zbl 0512.62005号 ·doi:10.1214/aos/1176346059
[14] Louis TA,《皇家统计学会杂志》,B辑44第226页–(1982)
[15] 内政部:10.1007/978-1-4899-3242-6·Zbl 0588.62104号 ·doi:10.1007/9781-4899-3242-6
[16] McCulloch CE,《美国统计协会杂志》,第92页,第162页(1997年)·doi:10.1080/01621459.1997.10473613
[17] Robert CP,蒙特卡洛统计方法(1999)·doi:10.1007/978-1-4757-3071-5
[18] SAS Institute Inc.,SAS=STAT软件:6.12版的更改和增强(1997)
[19] Thall PF,《生物计量学》第46页,第657页–(1990年)·Zbl 0712.62048号 ·doi:10.2307/2532086
[20] Venables WN,现代应用统计学与S-Plus,2。编辑(1997)·doi:10.1007/978-1-4757-2719-7
[21] Waller LA,《生物统计学》第53页,第971页–(1997年)·Zbl 0887.62113号 ·doi:10.2307/2533557
[22] Wei GCG,《美国统计协会杂志》85 pp 699–(1990)·网址:10.1080/01621459.1990.10474930
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。