ARMA Covariance Structures with Time Heteroscedasticity for Repeated Measures Experiments
重复测量实验中允许时间异方差的 ARMA 协方差结构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：摘要明确以 ARMA 时间序列结构描述重复测量的时间相关性及异方差。
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…
关注这篇论文的作者
重复测量实验中允许时间异方差的 ARMA 协方差结构
- 研究问题
- 当重复测量的变异程度随时间变化时，如何放宽传统 ARMA 协方差结构的恒定方差限制，并估计相关模型参数？
- 方法与思路
- 作者修改重复测量模型中的 ARMA 协方差结构以容纳时间异方差，采用极大似然估计，并给出求解方程的评分算法。
- 材料陈述的贡献
- 摘要称，估计量具有最优大样本性质，并以治疗终末期肾病贫血的临床试验数据展示该协方差结构的应用。
- 阅读关注点
- 应核对时间变化方差如何参数化、协方差矩阵有效性的条件、评分算法及渐近框架，并检查临床数据的拟合诊断。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未说明异方差函数、最优性质的条件或应用数值，不能推断一般非平稳模型结论。
原文摘要
Rochon and Helms (1989) presented a model for analyzing repeated measures experiments. The general linear model was used to assess the influence of covariate information, and ARMA time series models were put forward to characterize the covariance matrix among the repeated measures. Practical experience has suggested, however, that the ARMA assumption of constant variances and autocovariances over time is too restrictive for many applications. For example, observations may be relatively stable toward the beginning of the study but become more variable toward the end. This article presents a modification to this structure, which provides for heteroscedasticity over time. Maximum likelihood (ML) estimation procedures are considered, and the estimators are found to enjoy optimal large sample properties. A scoring algorithm is described for iterating to a solution of the ML equations. The model is illustrated with data from a clinical trial investigating human erythropoietin for treating anemia in end-stage renal disease.