×
埃文格鲁、埃文格洛斯；朱正元；理查德·史密斯。

使用高阶拉普拉斯近似的空间广义线性混合模型的估计和预测。 （英语） Zbl 1219.62112号

J.统计计划。推断 141，第11期，3564-3577（2011）.
摘要：广义线性混合模型中的估计和预测常常受到难以处理的高维积分的阻碍。本文提供了一个框架来解决这个棘手的问题，即当随机效应的数量较大时，使用渐近展开。为此，我们首先导出了当随机效应数量以低于样本大小的速度增加时的修正拉普拉斯近似。其次，我们提出了一种基于对数似然函数渐近展开的近似似然方法，该方法使用了改进的拉普拉斯近似，该近似是使用拟纽顿算法最大化的。最后，我们基于与插件预测密度类似的扩展定义了二阶插件预测密度，并表明它是正态密度。仿真结果表明，与其他近似方法相比，我们的方法具有更好的性能。我们的方法很容易应用于非高斯空间数据，并以丝核菌根腐病数据为例进行了分析。

引用于15文件

MSC公司：

62J12型 广义线性模型（逻辑模型）
10层62层 点估计
65立方厘米60 统计中的计算问题（MSC2010）

关键词：

最大似然估计；预测推理；空间统计学

软件：

R（右）；LBFGS-B型；geoRglm公司；引导数据库
PDF格式BibTeX公司 XML格式引用
\textit{E.Evangelou}等人，J.Stat.Plann。推断141，No.11，3564--3577（2011；Zbl 1219.62112）
全文： 内政部 链接

参考文献：

[1] 巴恩多夫·尼尔森，O.E。；Cox，D.R.，《统计学中使用的渐进技术》（1989），查普曼和霍尔有限公司·Zbl 0672.62024号
[2] Booth，J.G。；Hobert，J.P.，广义线性混合模型中预测的标准误差，美国统计协会杂志，93，262-272（1998）·Zbl 1068.62516号
[3] Booth，J.G。；Hobert，J.P.，《使用自动蒙特卡罗EM算法最大化广义线性混合模型可能性》，英国皇家统计学会期刊，B系列：统计方法论，61265-285（1999）·Zbl 0917.62058号
[4] 北卡罗来纳州布雷斯洛。；Clayton，D.G.，广义线性混合模型中的近似推断，美国统计协会杂志，88，9-25（1993）·Zbl 0775.62195号
[5] 北卡罗来纳州布雷斯洛。；Lin，X.，具有单个离散分量的广义线性混合模型中的偏差校正，Biometrika，82，81-91（1995）·Zbl 0823.62059号
[6] 伯德·R。；卢，P。；Nocedal，J。；Zhu，C.，边界约束优化的有限内存算法，SIAM科学计算杂志，16，5，1190-1208（1995）·Zbl 0836.65080号
[7] Christensen，O.F.，基于模型的地质统计学中的Monte Carlo最大似然，计算与图形统计杂志，13，3，702-718（2004）
[8] Christensen，O.F.，Möller，J.，Waagepetersen，R.，2000年。使用广义线性混合模型和朗之万型马尔可夫链蒙特卡罗分析空间数据。技术报告。奥尔堡大学数学科学系。；Christensen，O.F.，Möller，J.，Waagepetersen，R.，2000年。使用广义线性混合模型和朗之万型马尔可夫链蒙特卡罗分析空间数据。技术报告。奥尔堡大学数学科学系。
[9] Christensen，O.F。；Ribeiro，P.J.，GeoRglm:广义线性空间模型包，R News，2，2，26-28（2002）
[10] Christensen，O.F。；Waagepetersen，R.，使用广义线性混合模型对空间计数数据进行贝叶斯预测，生物统计学，58，2，280-286（2002）·Zbl 1209.62156号
[11] Crainiceanu，C.M。；Diggle，P.J。；Rowlingson，B.，热带非洲Loa-Loa流行率的双变量二项空间模型，美国统计协会杂志，103，481，21-37（2008）·Zbl 1469.86015号
[12] Cressie，N.A.，《空间数据统计》（1993），John Wiley&Sons
[13] Demidenko，E.，《混合模型：理论与应用》（2004），Wiley-Interscience·Zbl 1055.62086号
[14] Diggle，P。；Knorr-Held，L。；罗林森，B。；苏，T。；霍丁，P。；Bryant，T.，《公共卫生监测数据的在线监测》（Brookmeyer，R.；Stroup，D.，《监测人口健康：公共卫生监测的统计方法》（2004），牛津大学出版社），233-266
[15] Diggle，P.J。；Moyeed，R.A。；Tawn，J.A.，基于模型的地质统计学，《皇家统计学会杂志》，C辑：应用统计学，47，3，299-326（1998）·Zbl 0904.62119号
[16] Diggle，P.J。；里贝罗，J.P。；Christensen，O.F.，《基于模型的地质统计学导论》（Möller，J.，《统计学课堂讲稿的空间统计和计算方法》，第173卷（2003），Springer-Verlag:Springer-Verlag New York），43-86·Zbl 1035.6206号
[17] 埃夫隆，B。；Tibshirani，R.，《Bootstrap简介》（1993），Chapman&Hall Ltd·Zbl 0835.62038号
[18] 艾兹维克，J。；马蒂诺，S。；Rue，H.，空间广义线性混合模型中的近似贝叶斯推断，《斯堪的纳维亚统计杂志》，36，1，1-22（2009）·Zbl 1197.62091号
[19] Gneiting，T。；Raftery，A.E.，《严格正确的评分规则、预测和估计》，《美国统计协会杂志》，102，477，359-378（2007）·Zbl 1284.62093号
[20] Kuk，A.Y.C.，广义线性混合模型的拉普拉斯重要性抽样，统计计算与模拟杂志，63，143-158（1999）·Zbl 0956.62052号
[21] 林，X。；Breslow，N.E.，具有多个离散分量的广义线性混合模型中的偏差校正，美国统计协会杂志，911007-1016（1996）·Zbl 0882.62059号
[22] McCullagh，P.，统计学张量方法（1987），查普曼霍尔有限公司·Zbl 0732.62003号
[23] McCullagh，P。；Nelder，J.A.，《广义线性模型》（1999），Chapman&Hall有限公司·兹比尔074462098
[24] McCulloch，C.E.，广义线性混合模型的最大似然算法，美国统计协会杂志，92162-170（1997）·Zbl 0889.62061号
[25] Noh，M。；Lee，Y.，GLMM中二进制数据的REML估计，多元分析杂志，98，5，896-915（2007）·Zbl 1113.62087号
[26] R开发核心团队，2008年。R： 统计计算语言和环境。奥地利维也纳R统计计算基金会，ISBN 3-900051-07-0。；R开发核心团队，2008年。R： 统计计算语言和环境。奥地利维也纳R统计计算基金会，ISBN 3-900051-07-0。
[27] Raudenbush，S.W。；杨，M.-L。；Yosef，M.，通过高阶多元拉普拉斯近似，具有嵌套随机效应的广义线性模型的最大似然，计算与图形统计杂志，9，1，141-157（2000）
[28] H街。；马蒂诺，S。；肖邦，N.，《利用集成嵌套拉普拉斯近似对潜在高斯模型进行近似贝叶斯推断》，《皇家统计学会杂志》，B辑，方法学，71，1-35（2009）
[29] Shun，Z.，《蝾螈交配数据的另一种研究：修正拉普拉斯近似法》，《美国统计协会杂志》，92，341-349（1997）·Zbl 1090.62515号
[30] 顺，Z。；McCullagh，P.，《高维积分的拉普拉斯近似》，《皇家统计学会杂志》，B辑，方法学，57749-760（1995）·Zbl 0826.41026号
[31] 所罗门，P.J。；Cox，D.R.，方差模型的非线性分量，生物统计学，79，1-11（1992）·Zbl 0850.62545号
[32] Stein，M.L.，《空间数据插值：克里金的一些理论》（1999），Springer-Verlag Inc·Zbl 0924.62100号
[33] 蒂尔尼，L。；Kadane，J.B.，《后力矩和边缘密度的精确近似值》，《美国统计协会杂志》，81，82-86（1986）·Zbl 0587.62067号
[34] 蒂尔尼，L。；Kass，R.E。；Kadane，J.B.，非正函数期望和方差的完全指数拉普拉斯近似，美国统计协会杂志，84，710-716（1989）·Zbl 0682.62012号
[35] Vidoni，P.，混合效应模型中的响应预测，《统计规划与推断杂志》，136，11，3948-3966（2006）·Zbl 1103.62089号
[36] 沃尔芬格，R。；Lin，X.，非线性混合模型的两种泰勒级数近似方法，计算统计与数据分析，25465-490（1997）·Zbl 0900.65409号
[37] Zhang，H.，关于空间广义线性混合模型的估计和预测，生物统计学，58，1，129-136（2002）·Zbl 1209.62161号
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。