赵银山;乔，哈里 多元数据分析中的复合似然估计。 （英语） Zbl 1077.62045号 可以。J.统计。 33，第3期，335-356（2005）. 摘要：作者提出了两种具有回归/单变量和相关参数的多元模型的复合似然估计方法。一种是基于单变量和双变量边际的两阶段方法。另一种是基于二元边际同时估计所有参数。对于一些特殊情况，作者将其渐近效率与最大似然法进行了比较。这两种方法的性能都是合理的，但第一种方法对于强相关性下的回归参数效率很低。第二种方法通常对回归参数更好，但对弱依赖性下的依赖性参数效率较低。 引用于36文件 MSC公司： 62甲12 多元分析中的估计 62E20型 统计学中的渐近分布理论 关键词：估算方程;家族资料;多元probit模型;多元生存分析 PDF格式BibTeX公司 XML格式引用 \textit{Y.Zhao}和\textit{H.Joe}，Can。J.Stat.33，No.3，335--356（2005；Zbl 1077.62045） 全文： 内政部 参考文献： [1] Aitchison，《多元泊松对数正态分布》，Biometrika 76 pp 643–（1989）·Zbl 0679.62040号 [2] N.R.Chaganty（1997）。GEE中相关结构的错误指定导致效率损失。《国际统计学会第五十一届会议记录》，土耳其伊斯坦布尔，第2卷，第127-128页。 [3] Chaganty，二进制响应广义估计方程的效率，英国皇家统计学会期刊B辑66 pp 851–（2004）·Zbl 1059.62076号 [4] Curriero，半变异函数估计的复合似然法，《农业、生物和环境统计杂志》，第4页，第9页–（1999） [5] Diggle，纵向数据分析（1994）·Zbl 0825.62010号 [6] Friedman，《1型神经纤维瘤病：1728例患者疾病的描述性分析》，《美国医学遗传学杂志》70第138页–（1997） [7] Godambe，《估计函数》（1991） [8] Heagerty，空间二进制数据的复合似然方法，《美国统计协会杂志》93页1099–（1998）·Zbl 1064.62528号 [9] Hougaard，多变量生存数据分析（2000）·Zbl 0962.62096号 ·doi:10.1007/978-1-4612-1304-8 [10] Joe，基于条件期望的多元正态矩形概率近似，《美国统计协会杂志》90页957–（1995）·Zbl 0843.62016号 [11] Joe，多元模型和依赖概念（1997）·Zbl 0990.62517号 ·doi:10.1201/b13150 [12] Joe，基于copula模型的两阶段估计方法的渐近效率，《多元分析杂志》94 pp 401–（2005）·Zbl 1066.62061号 [13] Jöreskog，序数变量的因子分析：三种方法的比较，多变量行为研究36页347–（2001） [14] Lele，（co）方差分量估计的复合似然法，《统计规划与推断杂志》103第117页–（2002）·Zbl 1005.62066号 [15] 林赛，复合似然法，当代数学80页221–（1988）·Zbl 0672.62069号 ·doi:10.1090/conm/080/999014 [16] 孟德尔，《多因素定性特征：遗传分析和复发风险预测》，《生物统计学》30页41–（1974） [17] Nash，《计算机的紧凑数值方法：线性代数和函数最小化》（1990）·兹比尔0697.68004 [18] Parner，多元生存数据的复合似然法，《斯堪的纳维亚统计杂志》28页295–（2001）·Zbl 0973.62088号 [19] 数理统计的Serfling逼近定理（1980） [20] 斯里瓦斯塔瓦，家族数据中类间和类内相关性估计量的比较，《加拿大统计杂志》第14期第29页–（1986）·Zbl 0595.62115号 [21] M.S.Srivastava和F.Ng（1993年）。回归模型中类内相关性的估计。Khatri教授纪念卷（M.Sreehari和M.L.Tiku编辑），《古吉拉特邦统计评论》，第17A卷（1990年），第229-236页。 [22] 徐建杰（1996）。多元和纵向离散响应数据的统计建模和推断。温哥华不列颠哥伦比亚大学统计系未发表博士论文。 [23] Y.Zhao（2004）。离散和删失家族数据的统计建模和推断。温哥华不列颠哥伦比亚大学统计系未发表博士论文。 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。