On modelling mean-covariance structures in longitudinal studies
纵向研究中的均值与协方差结构建模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：摘要明确研究纵向重复观测的均值与协方差结构，其直接方法依据对应面板数据方向。
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…
关注这篇论文的作者
纵向研究中的均值与协方差结构建模
- 研究问题
- 在纵向重复观测中，如何联合选择均值和协方差的时间结构，并评估基于回归图的选择与全模型空间搜索？
- 方法与思路
- 作者重参数化边缘协方差，以三个时间多项式联合建模均值和协方差，采用 BIC 选择阶数组合并提出计算方法。
- 材料陈述的贡献
- 摘要称，牛群数据再分析显示饱和均值模型并非最优，并解释回归图方法可能误导，提出寻找全局最优的新计算方法。
- 阅读关注点
- 应核对三个多项式分别描述什么、BIC 搜索的候选空间，以及三组两两饱和剖面似然准则如何支持全局优化。
- 阅读边界
- OpenAlex 摘要未注明稿件版本；饱和均值模型的比较来自所述数据再分析，不能推广为所有纵向研究的结论。
原文摘要
We exploit a reparameterisation of the marginal covariance matrix arising in longitudinal studies (Pourahmadi, 1999, 2000) to model, jointly, the mean and covariance structures in terms of three polynomial functions of time. By reanalysing Kenward's (1987) cattle data, we compare model selection procedures based on regressogram estimation with these based on a global search of the model space. Using a BIC‐based model selection criterion to identify the optimum degree triple of the three polynomials, we show that the use of a saturated mean model is not optimal and explain why regressogram‐based model estimation may be misleading. We also suggest a new computational method for finding the global optimum based on a criterion involving three pairwise saturated profile likelihoods.