Optimal smoothing in nonparametric mixed-effect models
非参数混合效应模型中的最优平滑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：摘要明确以纵向数据和重复测量为应用对象，并研究相关观测的混合效应估计，对应面板数据方向。
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…
非参数混合效应模型中的最优平滑
- 研究问题
- 对纵向数据或重复测量中的相关观测，如何在参数随机效应与灵活固定效应并存的模型中选择合适的平滑程度？
- 方法与思路
- 作者采用惩罚最小二乘估计非参数混合效应模型，并通过广义交叉验证选择平滑参数，辅以模拟和真实数据示例。
- 材料陈述的贡献
- 摘要称，广义交叉验证能对真实及潜在随机效应实现最优平滑，并通过模拟研究其经验表现及应用示例。
- 阅读关注点
- 应核对真实与潜在随机效应的具体含义、最优平滑采用的风险标准，以及广义交叉验证成立所需的相关结构条件。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 摘要；最优性的具体定义、渐近条件及数值表现未给出，不能认定所有纵向模型均适用。
原文摘要
Mixed-effect models are widely used for the analysis of correlated data such as longitudinal data and repeated measures. In this article, we study an approach to the nonparametric estimation of mixed-effect models. We consider models with parametric random effects and flexible fixed effects, and employ the penalized least squares method to estimate the models. The issue to be addressed is the selection of smoothing parameters through the generalized cross-validation method, which is shown to yield optimal smoothing for both real and latent random effects. Simulation studies are conducted to investigate the empirical performance of generalized cross-validation in the context. Real-data examples are presented to demonstrate the applications of the methodology.