Second term improvement to generalized linear mixed model asymptotics
广义线性混合模型渐近理论的第二项改进AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论通用广义线性混合模型渐近展开，组结构本身不足以确定属于面板数据方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
广义线性混合模型渐近理论的第二项改进
- 研究问题
- 广义线性混合模型中较难估计的参数，其最大似然估计渐近方差能否加入显式第二项，以改善推断与研究规划的精度？
- 方法与思路
- 作者在已有组数与平均组内样本量决定的方差收敛阶理论上，推导较难估计参数渐近方差中第二项的明确形式。
- 材料陈述的贡献
- 摘要称补充了与组数和组内样本量乘积倒数同阶的第二项，并将更准确的统计推断与规划列为该理论的结果。
- 阅读关注点
- 应核对哪些参数属于较难估计情形、组数与组内样本量如何趋于无穷，以及第二项表达式和余项控制的条件。
- 阅读边界
- 所给 Crossref 摘要未提供具体公式、增长条件或精度改善幅度；不能据此认定所有混合模型的有限样本推断都改善。
原文摘要
Abstract A recent article by Jiang et al. (2022) on generalized linear mixed model asymptotics derived the rates of convergence for the asymptotic variances of maximum likelihood estimators. If m denotes the number of groups and n is the average within-group sample size then the asymptotic variances have orders m−1 and (mn)−1, depending on the parameter. We extend this theory to provide explicit forms of the (mn)−1 second terms of the asymptotically harder-to-estimate parameters. Improved accuracy of statistical inference and planning are consequences of our theory.