Robust estimation in generalised linear mixed models
广义线性混合模型中的稳健估计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：摘要为一般混合模型估计；随机效应本身不足以证明属于面板数据或离散选择方向。
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
广义线性混合模型中的稳健估计
- 研究问题
- 在只指定给定随机效应后响应条件均值的扩展广义线性混合模型中，如何获得一致估计，并在方差设定正确时改善效率？
- 方法与思路
- 作者先求解估计方程得到第一步估计；若条件方差也正确指定，再以第一步估计确定系数，求解最优估计方程得到第二步估计。
- 材料陈述的贡献
- 摘要称第一步估计具有一致性，第二步保持渐近最优性，模拟显示改善，并提供两个真实数据分析及更一般的估计框架。
- 阅读关注点
- 应核对随机效应分布与依赖结构的要求、两步估计的条件，以及渐近最优性所针对的估计方程类别和模拟比较标准。
- 阅读边界
- 仅据稿件版本未注明的OpenAlex索引摘要；估计量符号区分不清，须查原PDF，不能重构公式；一致性条件及模拟改善幅度未提供。
原文摘要
We propose robust methods for estimation of parameters of interest in an extended generalised linear mixed model, in which only the conditional means of the responses given the random effects are specified. A first‐step estimator θ of the vector θ of parameters is obtained by solving a system of estimating equations. It is shown that θ is consistent. If, furthermore, the conditional variances are correctly specified, a second‐step estimator, θ, can be obtained by solving a system of optimal estimating equations whose coefficients are estimated by θ. It is shown that θ maintains the asymptotic optimality. Simulations also indicate solid improvement of θ over θ. Two examples involving real data analysis are considered. The methods are developed under a more general framework so that they may be applied to more general estimation problems.