×

改进了回归校准。 (英语) Zbl 1284.62747号

摘要:具有协变量测量误差的广义线性模型的似然一般不能用封闭形式表示,这使得极大似然估计很费力。一种流行的替代方案是回归校准,它在计算上是有效的,但代价是不一致的估计。我们提出了一种改进的回归校正方法,即基于一种方便的似然分解形式的通用伪最大似然估计方法。它既一致又计算效率高,并且产生点估计和估计的标准误差,这些估计和估计标准误差实际上与通过最大似然法获得的估计值相同。仿真结果表明,改进的回归校准方法很容易在标准软件中实现,在一系列情况下都能很好地工作。

MSC公司:

第62页,共15页 统计学在心理学中的应用
PDF格式BibTeX公司 XML格式引用
全文: 内政部 链接

参考文献:

[1] 艾伯特,P.S.,&;Follmann,D.A.(2000年)。针对信息缺失的重复计数数据建模。生物统计学,56667-677·Zbl 1060.62573号 ·doi:10.1111/j.0006-341X.2000.00667.x
[2] Armstrong,B.(1985年)。广义线性模型中的测量误差。统计学中的传播。B系列,16,529–544·Zbl 0576.62065号
[3] Bentler,P.M.(1983年)。对结构模型中有效统计的一些贡献:力矩结构的规范和估计。《心理测量学》,48,493–517·Zbl 0533.62091号 ·doi:10.1007/BF02293875
[4] Blackburn,M.和;Neumark,D.(1992年)。未观察到的能力、效率工资和行业间工资差异。经济学季刊,1071421-1436·doi:10.2307/2118394
[5] Buonacorsi,J.、Demidenko,E.和;Tosteson,T.(2000)。具有测量误差的纵向随机效应模型的估计。中国统计局,10885–903·Zbl 0970.62035号
[6] Buonacorsi,J.(2010)。测量误差:模型、方法和应用。博卡拉顿:查普曼;霍尔/CRC。
[7] Burr,D.(1988)。二元回归中的误差变量——伯克森案例。美国统计协会杂志,83,739–743·Zbl 0701.62102号
[8] Buzas,J.S.和;Stefanski,L.A.(1995年)。广义线性测量误差模型中的仪器变量估计。美国统计协会杂志,91,999–1006·Zbl 0882.62058号 ·doi:10.1080/01621459.1996.10476970
[9] Carroll,R.J.、Ruppert,D.、Stefanski,L.A.和;Crainiceanu,C.M.(2006)。非线性模型中的测量误差(第2版)。博卡拉顿:查普曼;霍尔/CRC·Zbl 1119.62063号
[10] Carroll,R.J.、Spiegelman,C.H.、Lan,K.G.、Bailey,K.T.和;Abbott,R.D.(1984)。二元回归模型的误差-变量。生物特征,71,19-25·Zbl 0566.62093号 ·doi:10.1093/biomet/71.1.19
[11] R.J.卡罗尔;Stefanski,L.A.(1990年)。具有替代预测因子的模型中的近似拟似然估计。美国统计协会杂志,85,652-663·doi:10.1080/01621459.1990.10474925
[12] 克莱顿,D.G.(1992年)。暴露测量不准确的队列和病例对照研究分析模型。J.H.Dwyer、M.Feinlieb、P.Lippert和;H.Hoffmeister(编辑),健康纵向研究的统计模型(第301-331页)。纽约:牛津大学出版社。
[13] P.J.戴维斯;Rabinowitz,P.(1984)。数值积分方法(第二版)。纽约:学术出版社·Zbl 0537.65020号
[14] Gleser,L.J.(1990)。非线性误差-变量回归模型中朴素估计方法的改进。P.J.Brown&&;W.A.Fuller(编辑),测量误差模型和应用的统计分析(第99–114页)。普罗维登斯:美国数学学会·Zbl 0722.62044号
[15] Gong,G.和;Samaniego,F.J.(1981年)。伪最大似然估计:理论和应用。统计年鉴,9861–869·Zbl 0471.62032号 ·doi:10.1214/aos/1176345526
[16] Gourieroux,C.和;Monfort,A.(1995)。统计学和计量经济学模型(第2卷)。剑桥:剑桥大学出版社·Zbl 0870.62088号
[17] Griliches,Z.(1976年)。年轻人的工资。《政治经济学杂志》,85,S69–S86·doi:10.1086/260533
[18] Gustafson,P.(2004年)。统计学和流行病学中的测量误差和错误分类:影响和贝叶斯调整。博卡拉顿:查普曼;霍尔/CRC·Zbl 1039.62019号
[19] Higdon,R.和;Schafer,D.W.(2001)。测量误差回归的最大似然计算。计算统计学;数据分析,35283-299·Zbl 1080.62530号 ·doi:10.1016/S0167-9473(00)00014-1
[20] Jöreskog,K.G.(1971)。同类检验集的统计分析。《心理测量学》,36,109–133·Zbl 0217.51502号 ·doi:10.1007/BF02291393
[21] Jöreskog,K.G.,&;Goldberger,A.S.(1975年)。具有多个指标和单个潜在变量的多个原因的模型的估计。美国统计协会杂志,70631-639·Zbl 0316.62044号
[22] Kuha,J.(1997)。在具有误差测量的连续和离散协变量的回归模型中,通过数据增强进行估计。医学统计,16189-202·doi:10.1002/(SICI)1097-0258(19970130)16:2<189::AID-SIM479>3.0.CO;2-H型
[23] Lesaffre,E.和;Spiessens,B.(2001)。关于logistic随机效应模型中正交点数量的影响:一个示例。英国皇家统计学会杂志。C系列,50325–335·Zbl 1112.62307号 ·数字对象标识代码:10.1111/1467-9876.00237
[24] Liang,K.-Y.和;刘晓华(1991)。具有测量误差的广义线性模型中的方程估计。在V.P.Godambe(编辑)《估算函数》(第47-63页)中。牛津:牛津大学出版社·Zbl 0850.62568号
[25] Lütkepohl,H.(1996年)。矩阵手册。奇切斯特:威利·Zbl 0856.15001号
[26] McCullagh,P.和;Nelder,J.A.(1989)。广义线性模型(第二版)。伦敦:查普曼;霍尔·Zbl 0744.62098号
[27] McDonald,R.P.(1967年)。非线性因素分析(心理测量专著第15期)。里士满:心理测量公司。
[28] Parke,W.R.(1986年)。伪最大似然估计:渐近分布。《统计年鉴》,第14、355–357页·兹伯利0588.62030 ·doi:10.1214/aos/1176349862
[29] Rabe-Hesketh,S.、Skrondal,A.和;Pickles,A.(2003)。具有协变测量误差的广义线性模型的最大似然估计。《统计杂志》,3385–410·Zbl 1070.62024号
[30] Rabe-Hesketh,S.、Skrondal,A.和;Pickles,A.(2004年A)。广义多级结构方程建模。《心理测量学》,69167-190·Zbl 1306.62484号 ·doi:10.1007/BF02295939文件
[31] Rabe-Hesketh,S.、Skrondal,A.和;Pickles,A.(2004b)。Gllamm手册(技术报告160)。加州大学伯克利分校生物统计学部。可从下载http://www.bepress.com/ucbbiostat/paper160/
[32] Rabe-Hesketh,S.、Skrondal,A.和;Pickles,A.(2005)。具有嵌套随机效应的有限和离散因变量模型的最大似然估计。《计量经济学杂志》,128301-323·Zbl 1336.62079号 ·doi:10.1016/j.jeconom.2004.08.017
[33] Rabe Hesketh,S.和;Skrondal,A.(2012)。使用Stata的多水平和纵向建模,第二卷:分类反应、计数和生存率(第三版)。大学站:Stata出版社·Zbl 1274.62033号
[34] Richardson,S.和;吉尔克斯,W.S.(1993)。具有协变量测量误差的流行病学研究的条件独立模型。医学统计学,121703-1722·数字对象标识代码:10.1002/sim.4780121806
[35] Robinson,G.K.(1991年)。BLUP是一件好事:随机效应的估计。统计科学,6,15-51·兹比尔0955.62500 ·doi:10.1214/s/s1177011926
[36] P.M.罗宾逊(1974)。包含不可观测变量的回归的识别、估计和大样本理论。《国际经济评论》,第15680–692页·Zbl 0298.62013.号 ·doi:10.2307/2525734
[37] Rosner,B.、Spiegelman,D.和;威利特,W.C.(1990)。计量误差的logistic回归相对风险估计和置信区间的修正:多重协变量计量误差的情况。美国流行病学杂志,132734-745。
[38] Rosner,B.、Willett,W.C.和;Spiegelman,D.(1989)。系统的人内测量误差的逻辑回归相对风险估计和置信区间的校正。医学统计,81031-1040·doi:10.1002/sim.4780080413
[39] 鲁宾,D.B.(1976)。推断和缺失数据。生物特征,63581-592·Zbl 0344.62034号 ·doi:10.1093/biomet/63.3.581
[40] Schafer,D.W.(1987)。广义线性模型中的协变量测量误差。生物特征,74385-391·Zbl 0619.62047号 ·doi:10.1093/biomet/74.2.385
[41] Schafer,D.W.(1993年)。具有测量误差的概率回归的可能性分析。生物特征,80899–904·Zbl 0800.62448号 ·doi:10.1093/biomet/80.4.899
[42] 谢弗,D.W.,&;Purdy,K.G.(1986年)。用重复测量进行误差-变量回归的可能性分析。生物特征,83,813–824·Zbl 0882.62063号 ·doi:10.1093/biomet/83.4.813
[43] 夏皮罗(2007)。力矩结构的统计推断。在S.Y.Lee(编辑),潜在变量和相关模型手册(第229–259页)。阿姆斯特丹:爱思唯尔。
[44] A.斯科伦达尔;Laake,P.(2001)。因子得分之间的回归。《心理测量学》,66,563–575·Zbl 04572668号 ·doi:10.1007/BF02296196
[45] A.斯科伦达尔;Rabe-Hesketh,S.(2004)。广义潜在变量建模。博卡拉顿:查普曼;霍尔/CRC·Zbl 1274.62034号
[46] A.斯科伦达尔;Rabe-Hesketh,S.(2007年)。潜在变量建模:一项调查。斯堪的纳维亚统计杂志,34712-745·Zbl 1164.62028号 ·文件编号:10.1111/j.1467-9469.2007.00573.x
[47] A.斯科伦达尔;Rabe-Hesketh,S.(2009年)。多层广义线性混合模型中的预测。英国皇家统计学会杂志。系列A,172659–687·Zbl 05622760号 ·文件编号:10.1111/j.1467-985X.2009.00587.x
[48] D.A.斯蒂芬斯;Dellaportas,P.(1992年)。具有协变量测量误差的广义线性模型的贝叶斯分析。在J.M.Bernardo、J.O.Berger、A.P.Dawid和;A.F.M.Smith(编辑),贝叶斯统计(第4卷,第813-820页)。牛津:牛津大学出版社。
[49] Thisted,R.A.(1988年)。统计计算的要素。伦敦:查普曼;霍尔·Zbl 0663.62001号
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且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。