Mixed Effects Smoothing Spline Analysis of Variance
混合效应平滑样条方差分析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：摘要明确讨论相关观测、随机效应、增长曲线及纵向数据拟合，这些重复观测建模内容直接关联面板数据方法。
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
混合效应平滑样条方差分析
- 研究问题
- 如何在非参数混合效应模型中同时刻画平滑固定效应与相关随机效应，并将其分解为可解释的主效应和交互作用？
- 方法与思路
- 作者以平滑样条及惩罚似然估计固定效应，用低维参数描述随机效应协方差，并通过广义最大似然联合估计参数。
- 材料陈述的贡献
- 摘要称建立非参数与线性混合效应模型的联系，支持利用已有程序拟合，并通过方差分析分解和纵向数据展示建模。
- 阅读关注点
- 应核对协方差结构、平滑参数的联合估计方式，以及主效应和交互作用分解、线性混合模型联系的具体实现。
- 阅读边界
- 仅据所给 Crossref 摘要；纵向应用支持面板方法关联，但未说明内生性处理、因果识别或相对其他方法的普遍优势。
原文摘要
Summary We propose a general family of nonparametric mixed effects models. Smoothing splines are used to model the fixed effects and are estimated by maximizing the penalized likelihood function. The random effects are generic and are modelled parametrically by assuming that the covariance function depends on a parsimonious set of parameters. These parameters and the smoothing parameter are estimated simultaneously by the generalized maximum likelihood method. We derive a connection between a nonparametric mixed effects model and a linear mixed effects model. This connection suggests a way of fitting a nonparametric mixed effects model by using existing programs. The classical two-way mixed models and growth curve models are used as examples to demonstrate how to use smoothing spline analysis-of-variance decompositions to build nonparametric mixed effects models. Similarly to the classical analysis of variance, components of these nonparametric mixed effects models can be interpreted as main effects and interactions. The penalized likelihood estimates of the fixed effects in a two-way mixed model are extensions of James–Stein shrinkage estimates to correlated observations. In an example three nested nonparametric mixed effects models are fitted to a longitudinal data set.