Miscellanea. Random coefficient autoregressive models for longitudinal data
杂论：纵向数据的随机系数自回归模型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、个体间动态异质性与随机系数，最直接对应面板数据方向。
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
杂论：纵向数据的随机系数自回归模型
- 研究问题
- 如何用稳定自回归模型描述纵向数据中逐渐稳定的非平稳增长轨迹，并允许不同个体具有显著不同的动态路径？
- 方法与思路
- 作者在含外生协变量的自回归模型中让自回归参数随个体随机变化，并讨论高斯随机效应设定下的估计便利性。
- 材料陈述的贡献
- 摘要称，该模型可模拟逐渐稳定的增长轨迹；高斯随机效应便于估计，但观测的边际分布不再高斯，且要求等间隔观测。
- 阅读关注点
- 应核对稳定性在随机系数设定中的含义、增长轨迹的构造及估计方式，尤其检查等间隔要求和边际非高斯性的影响。
- 阅读边界
- 依据稿件版本未注明的索引摘要；随机系数分布约束及估计细节未说明，不能据此推广至不等间隔纵向数据。
原文摘要
Stable autoregressive models with exogenous covariates can be used to mimic nonstationary, stabilising growth profiles in longitudinal data. If different individuals have very different trajectories, the autoregressive parameters can be interpreted as random variables varying from one individual to the next. If all random effects are assumed Gaussian, the model with be quite easy to estimate although the marginal distributions of the observations will no longer be Gaussian. However, this kind of model can only be used when the observations are equally spaced.