Bias Correction in Generalized Linear Mixed Models with Multiple Components of Dispersion
多离散度分量广义线性混合模型的偏差校正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：摘要研究一般混合模型的偏差校正，随机效应本身不足以证明其属于面板数据或其他所列细分领域。
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
多离散度分量广义线性混合模型的偏差校正
- 研究问题
- 在采用典型连接函数、包含多组独立随机效应的广义线性混合模型中，如何校正惩罚拟似然估计的回归及方差分量偏差？
- 方法与思路
- 作者推导惩罚拟似然估计的渐近偏差公式，以校正矩阵调整方差分量，并为回归系数发展一阶和二阶校正程序。
- 材料陈述的贡献
- 摘要称，校正后的方差估计在小方差分量下具有满意的渐近表现，并减少较大分量下的偏差；另提供交叉随机效应实例和模拟。
- 阅读关注点
- 应核对偏差展开的渐近框架、独立随机效应及典型连接的作用，以及校正阶数、方差边界和模拟评价之间的关系。
- 阅读边界
- 材料为 OpenAlex 索引摘要，稿件版本未注明；摘要未提供偏差缩减数值或完整条件，不能推广到任意连接函数、相关随机效应或小样本。
原文摘要
General formulas are derived for the asymptotic bias in regression coefficients and variance components estimated by penalized quasi-likelihood (PQL) in generalized linear mixed models with canonical link function and multiple sets of independent random effects. Easily computed correction matrices result in variance component estimates that have satisfactory asymptotic behavior for small values of the variance components and significantly reduce bias for larger values. Both first-order and second-order correction procedures are developed for regression coefficients estimated by PQL. The methods are illustrated through an analysis of an experiment on salamander matings involving crossed male and female random effects, and their properties are evaluated in a simulation study.