Brajendra C.Sutradhar。 离散纵向响应回归模型概述。 （英语） Zbl 1067.62072号 统计科学。 18，第3期，377-393（2003）。 总结：在纵向回归设置中，人们的兴趣可能主要集中在纵向响应的边际期望的回归参数上，纵向相关参数是次要的。其次，人们的兴趣可能集中在回归和纵向相关参数上。在第一种设置下，存在一种基于“工作”相关矩阵的广义估计方程（GEE）方法来估计回归参数。在第二种设置下，存在两种方法来联合估计回归和纵向相关性。在一种方法中，对真实纵向相关性进行建模，并基于GEE方法联合估计回归和真实相关性参数。第二种方法避免了对真正的纵向相关结构的描述，并处理了回归和“工作”相关参数向量的联合估计。在第二种设置下的第二种方法中，同样存在两种联合估计方法，一种需要高达4阶的矩，另一种以某种方式使用高达2阶的矩来构造“工作”相关参数的估计方程。我们首先概述了这四种现有方法中每种方法的可取特性和缺点。通过使用一般的自相关结构来建模真实的纵向相关性，我们随后概述了三种新方法的优点。在第一种新方法中，真实的纵向相关性是通过矩方法估计的，而回归估计是基于广义拟似然（GQL）估计方法获得的。另外两种新方法同时估计回归和真实的纵向相关参数。仿真研究表明，在这三种新方法中，第一种方法在估计回归参数和真实相关参数方面表现最好，即使纵向相关性是用矩量法分别估计的。 引用于56文件 MSC公司： 62J12型 广义线性模型（逻辑模型） 62M10个 统计学中的时间序列、自相关、回归等（GARCH） 关键词：二进制和计数响应;重复测量;响应之间的时间依赖性;边际模型;一致性;有效估计量;仿真 PDF格式BibTeX公司 XML格式引用 \textit{B.C.Sutradhar}，统计科学。18，第3号，377--393（2003；Zbl 1067.62072） 全文： 内政部 参考文献： [1] Crowder，M.（1995）。关于在使用广义线性模型进行重复测量时使用工作相关矩阵的问题。生物特征82 407–410·Zbl 0823.62060号 ·doi:10.1093/biomet/82.2.407 [2] Fitzmaurice，G.M.（1995）。关于多元二进制数据独立估计方程的警告。生物统计学51 309–317·Zbl 0825.62479号 ·doi:10.2307/2533336 [3] Fitzmaurice，G.M.和Laird，N.M.（1993）。一种分析纵向二进制响应的相似方法。生物特征80 141–151·Zbl 0775.62296号 ·doi:10.1093/biomet/80.1.141 [4] Fitzmaurice，G.M.、Laird，N.M.和Rotnitzky，A.G.（1993）。离散纵向响应的回归模型（含讨论）。统计师。科学。8 284–309之间。JSTOR公司：·Zbl 0955.62614号 ·doi:10.1214/ss/1177010899 [5] Hall，D.B.和Severini，T.A.（1998年）。聚类数据的扩展广义估计方程。J.Amer。统计师。协会93 1365–1375·Zbl 1032.62066号 ·doi:10.2307/2670052 [6] Liang，K.-Y.和Zeger，S.L.（1986年）。使用广义线性模型进行纵向数据分析。生物特征73 13–22·Zbl 0595.62110号 ·doi:10.1093/biomet/73.1.13 [7] Lipsitz，S.R.、Fitzmaurice，G.M.、Orav，E.J.和Laird，N.M.（1994年）。实际情况下广义估计方程的性能。生物统计学50 270–278·Zbl 0825.62478号 ·doi:10.2307/2533218 [8] Mancl，L.A.和Leroux，B.G.（1996年）。聚类数据回归估计的效率。生物统计学52 500–511·Zbl 0925.62303号 ·doi:10.2307/2532890 [9] McCullagh，P.（1983）。拟似然函数。安。统计师。11 59–67. JSTOR公司：·Zbl 0507.62025号 ·doi:10.1214/aos/1176346056 [10] McKenzie，E.（1988）。泊松计数相关序列的一些ARMA模型。申请中的预付款。普罗巴伯。20 822–835. ·Zbl 0664.62089号 ·doi:10.2307/1427362 [11] Neuhaus，J.M.（1993）。聚类二进制数据的协变量效应估计效率和检验。生物统计学49 989–996。 [12] Prentice，R.L.和Zhao，L.P.（1991）。多变量离散和连续响应的均值和协方差参数估计方程。生物计量学47 825–839·Zbl 0729.62560号 ·doi:10.2307/2532642 [13] Sutradhar，B.C.和Das，K.（1999）。关于纵向数据广义线性模型中回归估计量的效率。生物特征86 459–465·Zbl 0956.62053号 ·doi:10.1093/biomet/86.2.459 [14] Sutradhar，B.C.和Das，K.（2000年）。关于估算方程法效率的准确性。生物统计学56 622–625·Zbl 1060.62539号 ·文件编号：10.1111/j.0006-341X.2000.00622.x [15] Sutradhar，B.C.和Kovacevic，M.（2000）。分析有序纵向测量数据：广义估计方程法。生物特征87 837–848·Zbl 1028.62009号 ·doi:10.1093/biomet/87.4.837 [16] Sutradhar，B.C.和Kumar，P.（2001）。关于广义估计方程方法的效率。统计师。普罗巴伯。莱特。55 53–61. ·兹比尔0999.62053 ·doi:10.1016/S0167-7152（01）00127-4 [17] Zeger，S.L.、Liang，K.-Y.和Albert，P.S.（1988年）。纵向数据模型：广义估计方程方法。生物计量学44 1049–1060·Zbl 0715.62136号 ·doi:10.2307/2531734 [18] Zhao，L.P.和Prentice，R.L.（1990）。使用二次指数模型的相关二元回归。生物特征77 642–648·数字对象标识代码：10.2307/2337004 [19] Zhao，L.P.、Prentice，R.L.和Self，S.G.（1992）。使用部分指数模型进行多元平均参数估计。J.罗伊。统计师。Soc.序列号。B 54 805–811。 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。