Longitudinal data analysis using generalized linear models
使用广义线性模型分析纵向数据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：摘要直接研究同一个体的纵向重复观测及个体内相关性，与面板数据方向相符。
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
使用广义线性模型分析纵向数据
- 研究问题
- 如何把广义线性模型扩展到个体被重复观测的纵向数据，在不指定个体内完整联合分布时估计回归参数及其方差？
- 方法与思路
- 作者提出一类与准似然相关的估计方程，处理个体内时间依赖，并讨论独立、有限阶依赖与可交换相关结构。
- 材料陈述的贡献
- 摘要称，这类方程在温和的时间依赖假设下提供一致的参数和方差估计，并给出渐近理论及两个简单情形的效率分析。
- 阅读关注点
- 应核对一致性所需的均值与依赖条件、方差估计的构造，以及不同相关结构下的效率结论和高斯情形的对应关系。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；所谓温和假设与效率结果未展开，不能推断其对任意相关结构或模型误设均有效。
原文摘要
This paper proposes an extension of generalized linear models to the analysis of longitudinal data. We introduce a class of estimating equations that give consistent estimates of the regression parameters and of their variance under mild assumptions about the time dependence. The estimating equations are derived without specifying the joint distribution of a subject's observations yet they reduce to the score equations for niultivariate Gaussian outcomes. Asymptotic theory is presented for the general class of estimators. Specific cases in which we assume independence, m-dependence and exchangeable correlation structures from each subject are discussed. Efficiency of the pioposecl estimators in two simple situations is considered. The approach is closely related to quasi-likelihood.