蒋继明 一种用于GLMM推理的非线性Gauss-Seidel算法。 （英语） Zbl 0974.62054号 计算。斯达。 15，第2期，229-241（2000）. 考虑以下问题。假设（y）是观测向量，（β）是固定效应向量，（α）是随机效应向量，而（θ）是方差分量向量\（\α\）和\（\β\）未知。设\（f（y，\alpha|\beta，\ttheta）\）是给定\（\beta）和\（\ttheta）的\（y\）和\（\alpha\）的联合密度。作者考虑了估计\（\alpha\）和\（\alpha\），使得\（\alpha=\alpha（y，\ttheta）\），\（\alpha=\alpha（y，\ttheta）\）联合最大化\（f（y，\alpha|\beta，\ttheta）。\）他观察到（f（y，alpha|\beta，\theta）=f（y|\beta\theta，）f（alpha|y，\beta\t））并建议通过两个步骤实现最大化。在第一步中，我们找到最大化固定的（β）的（f（y，α|\beta\theta）的\（tilde\alpha=\tilde\阿尔法（\beta）\）更详细地考虑了广义线性混合模型（GLMM）。对于GLMM，作者提出了一种递归算法来解决计算问题。他证明了该算法的收敛性，并考虑了一个数值例子。数值算例表明，当随机效应数量较大时，该算法优于标准的Newton-Raphson方法。审核人：于。V.Kozachenko（基辅） 引用于4文件 MSC公司： 62J12型 广义线性模型（逻辑模型） 62-08 统计问题的计算方法 10层62层 点估计 2012年12月62日 参数估计量的渐近性质 关键词：最大后部；线性混合模型；递归算法；亨德森方法；无偏估计量 PDF格式BibTeX公司 XML格式引用 \textit{J.Jiang}，计算。Stat.15，No.2，229--241（2000；Zbl 0974.62054） 全文： 内政部 参考文献： [1] Breslow，N.E.和Clayton，D.G.（1993），广义线性混合模型中的近似推断，J.Amer。统计师。协会88，9-25·Zbl 0775.62195号 [2] Henderson，C.R.（1950），遗传参数估计（摘要），《数学年鉴》。统计师。2009年3月21日至310日。 [3] 江杰，贾浩，陈浩（1997a），广义线性混合模型中随机效应的最大后验估计，统计学，修订。 [4] 江杰（1997b），BLUP-最佳线性无偏预报器的推导，统计与概率分析。字母32、321-324·Zbl 0886.62066号 ·doi:10.1016/S0167-7152（96）00089-2 [5] 江杰（1998），广义线性混合模型中的一致估计，J.Amer。统计师。协会93，720-729·Zbl 0926.62051号 ·doi:10.1080/01621459.1998.10473724 [6] Lee，Y.和Neider，J.A.（1996），层次广义线性模型，J.R.Statist Soc.B 58，619-678·Zbl 0880.62076号 [7] Luenberger，D.G.（1984），线性和非线性规划，§6.6，Addison-Wesley，Inc·Zbl 0571.90051号 [8] Malec，D.、Sedransk，J.、Moriarity，C.L.和LeClere，F.B.（1997），《国家健康访谈调查中二进制变量的小面积推断》，J.Amer。统计师。协会92，815-826·Zbl 0889.62005年 ·doi:10.1080/0162145.1997.10474037 [9] McCullagh，P.和Neider，J.A.（1989），《广义线性模型》，第二版，查普曼和霍尔出版社，纽约·Zbl 0588.62104号 ·doi:10.1007/978-1-4899-3242-6 [10] Robinson，G.K.（1991），《BLUP是一件好事：随机效应的估计》，Statist。科学。6, 15-51. ·Zbl 0955.62500号 ·doi:10.1214/ss/1177011926 [11] Searle，S.R.、Casella，G.和McCulloch，C.E.（1992），《方差分量》，John Wiley&Sons出版社·Zbl 1108.62064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。