×
王培;艾琳·艾布纳。;刘长瑞;大卫·法尔多。;弗雷德里克·施密特（Frederick A.Schmitt）。;格雷戈里·吉查（Gregory A.Jicha）。;琳达·J·范·埃尔迪克。;理查德·克雷西奥。

估计具有吸收状态的有限马尔可夫链中的随机效应：应用于认知数据。 （英语） Zbl 07778720号

内尔统计局。 77，第3号，304-321（2023）。
摘要：具有吸收状态的有限马尔可夫链是分析具有分类响应的纵向数据的常用工具。一步转移概率可以定义为固定效应和随机效应，但由于许多未知参数，很难估计这些效应。在本文中，我们提出了一种三步估计方法。在第一步中，使用边际似然函数估计固定效应，在第二步中，将估计的固定效应替换为定义为h-似然的联合似然函数后，估计随机效应，并且在第三步骤中，使用该似然函数的Hessian矩阵来估计随机效应向量的协方差矩阵。一个涉及纵向认知数据分析的应用程序被用来说明该方法。
{©2023荷兰统计与运营研究学会}

MSC公司：

62Jxx型 线性推断、回归
第62页 统计学的应用
6200万 随机过程推断

关键词：

认知评估;h-似然;边际似然;马尔可夫链;多项式logistic回归;随机效应
PDF格式BibTeX公司 XML格式引用
\textit{P.Wang}等人，Stat.Neerl。77，第3号，304--321（2023；Zbl 07778720）
全文： 内政部

参考文献：

[1] Abner，E.L.，Nelson，P.T.，Schmitt，F.A.，Browning，S.R.，Fardo，D.W.，Wan，L.，…Kryscio，R.J.（2014）。在一个广告中心队列中，自我报告的头部损伤和晚年损伤风险以及ad病理学。痴呆和老年认知障碍，37（5-6），294-306。
[2] Abramowitz，M.、Stegun，I.A.和Romer，R.H.（1988）。数学函数手册，包括公式、图形和数学表。马里兰州：美国物理教师协会。
[3] Albert，P.S.和Follmann，D.A.（2003年）。具有信息缺失的纵向二进制数据的随机效应转换模型。Neerlandica统计，57（1），100-111·Zbl 1090.62569号
[4] Alonso，A.、Litière，S.和Laenen，A.（2010年）。关于层次模型中随机效应分布的不确定性的说明。《美国统计学家》，64（4），318-324。
[5] Bartolucci，F.、Bacci，S.和Pennoni，F.（2014）。通过混合潜在自回归模型对自我报告的健康状况进行纵向分析。英国皇家统计学会杂志：C辑：应用统计学，63（2），267-288。
[6] Bartolucci，F.、Farcomeni，A.和Pennoni，F.（2012年）。纵向数据的潜在马尔可夫模型。佛罗里达州巴科·拉顿：查普曼和霍尔出版社·Zbl 1305.62299号
[7] Bartolucci，F.、Montanari，G.E.和Pandolfi，S.（2015）。具有协变量的潜在马尔可夫模型的三步估计。计算统计与数据分析，83，287-301·Zbl 1507.62009年
[8] Bayarri，M.、DeGroot，M.和Kadane，J.（1988年）。什么是似然函数？统计决策理论及相关专题IV（第1卷）。纽约州纽约市：斯普林格·兹比尔0684.62010
[9] Berger，J.O.和Wolpert，R.L.（1988年）。似然原理。俄亥俄州比奇伍德：数理统计研究所。
[10] Björnstad，J.F.（1996）。关于似然函数和似然原理的推广。《美国统计协会杂志》，91（434），791-806·Zbl 0871.62006号
[11] 巴特勒，R.W.（1986）。预测似然推理及其应用。英国皇家统计学会杂志：B辑：方法学，48（1），1-23·Zbl 0599.62009号
[12] Chen，H.‐H。T.、Yen、M.‐F.、。，Shiu，M.‐N。，Tung，T.‐H.和吴海明。(2004). 非标准病例组设计的随机模型。《医学统计学》，23（4），633-647。
[13] Gelfand，A.E.和Smith，A.F.（1990年）。计算边际密度的基于抽样的方法。《美国统计协会杂志》，85（410），398-409·Zbl 0702.62020号
[14] Hammersley，J.M.和Morton，K.W.（1954年）。可怜人的蒙特卡洛。英国皇家统计学会杂志：B辑：方法论，16（1），23-38·Zbl 0055.36901号
[15] Lauritzen，S.L.（1974）。充分性、预测和极端模型。《斯堪的纳维亚统计杂志》，1（3），128-134·Zbl 0297.62068号
[16] Lee，Y.和Nelder，J.A.（1996年）。层次广义线性模型。英国皇家统计学会杂志：B辑：方法论，58（4），619-656·Zbl 0880.62076号
[17] Lee，Y.和Nelder，J.A.（2001）。层次广义线性模型：广义线性模型、随机效应模型和结构化分散的综合。Biometrika，88（4），987-106·兹比尔0995.62066
[18] Lee，Y.、Nelder，J.A.和Pawitan，Y.（2018年）。具有随机效应的广义线性模型：通过H‐似然进行统一分析。佛罗里达州博卡拉顿：查普曼和霍尔出版社。
[19] Litière，S.、Alonso，A.和Molenberghs，G.（2007年）。广义线性混合模型中随机效应误指定下的i型和ii型误差。生物统计学，63（4），1038-1044·兹比尔1274.62822
[20] Montanari，G.E.、Doretti，M.和Bartolucci，F.（2018年）。养老院绩效评估的多层次潜在马尔可夫模型。《生物医学杂志》，60（5），962-978·Zbl 1405.62193号
[21] Muenz，L.R.和Rubinstein，L.V.（1985）。二元序列协变量相关性的马尔可夫模型。生物统计学，41（1），91-101。
[22] Nelson，K.P.、Lipsitz，S.R.、Fitzmaurice，G.M.、Ibrahim，J.、Parzen，M.和Strawderman，R.（2006）。使用概率积分变换拟合具有非正态随机效应的非线性混合效应模型。计算与图形统计杂志，15（1），39-57。
[23] Paik，M.C.、Lee，Y.和Ha，I.D.（2015）。基于可总结性的随机效应的频繁推理。中国统计，25（3），1107-1132·Zbl 1415.62056号
[24] Pinheiro，J.C.和Bates，D.M.（1995）。非线性混合效应模型中对数似然函数的近似值。计算与图形统计杂志，4（1），12-35。
[25] Rosenbluth，M.N.和Rosenbluth，A.W.（1955年）。分子链平均延伸的蒙特卡罗计算。化学物理杂志，23（2），356-359。
[26] Salazar，J.C.、Schmitt，F.A.、Yu，L.、Mendiondo，M.M.和Kryscio，R.J.（2007）。多状态马尔可夫模型的共享随机效应分析：应用于痴呆转变的纵向研究。医学统计学，26（3），568-580。
[27] Schmitt，F.A.、Nelson，P.T.、Abner，E.、Scheff，S.、Jicha，G.A.、Smith，C.、…Kryscio，R.J.（2012）。肯塔基大学桑德斯分校棕色健康脑老化志愿者：捐赠者特征、程序和神经病理学。当前阿尔茨海默病研究，9（6），724-733。
[28] Skrondal，A.和Rabe‐Hesketh，S.（2004）。广义潜在变量建模：多级、纵向和结构方程模型。佛罗里达州巴科·拉顿：查普曼和霍尔/CRC·兹比尔1097.62001
[29] Song，C.、Kuo，L.、Derby，C.A.、Lipton，R.B.和Hall，C.B.（2011年）。具有随机效应的多阶段过渡模型及其在爱因斯坦老化研究中的应用。《生物医学杂志》，53（6），938-955·Zbl 1404.62129号
[30] Tyas，S.L.、Salazar，J.C.、Snowdon，D.A.、Desrosiers，M.F.、Riley，K.P.、Mendiondo，M.S.和Kryscio，R.J.（2007年）。过渡到轻度认知障碍、痴呆和死亡：修女研究的发现。美国流行病学杂志，165（11），1231-1238。
[31] Vaida，F.和Meng，X.（2004年）。从不完全数据的角度应用贝叶斯和因果推理中的混合线性模型和em算法。纽约：约翰·威利父子公司·Zbl 1066.62515号
[32] Wang，P.、Abner，E.L.、Fardo，D.W.、Schmitt，F.A.、Jicha，G.A.、Van Eldik，L.J.和Kryscio，R.J.（2021年）。马尔可夫链中的降秩多项式逻辑回归及其在认知数据中的应用。医学统计学，40（11），2650-2664。
[33] Yu，L.、Griffith，W.S.、Tyas，S.L.、Snowdon，D.A.和Kryscio，R.J.（2010）。用于计算死亡前痴呆症相对风险的非平稳马尔可夫转移模型。医学统计学，29（6），639-648。
[34] Yun，S.和Lee，Y.（2004）。二元结果的分层和边际似然估计的比较。计算统计与数据分析，45（3），639-650·Zbl 1429.62331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。