Separating Between- and Within-Cluster Covariate Effects by Using Conditional and Partitioning Methods
用条件方法与协变量分解区分组间和组内效应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：摘要明确涉及聚类混合模型，但未说明面板或纵向数据结构，故不直接归入面板数据方向。
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
用条件方法与协变量分解区分组间和组内效应
- 研究问题
- 在广义线性混合模型中，随机效应与解释变量相关为何导致估计不一致，如何区分组间和组内效应以处理这一问题？
- 方法与思路
- 作者研究条件最大似然及协变量的组间、组内分解，并从混合分布误设的角度理解模型假设偏离，辅以实例和模拟。
- 材料陈述的贡献
- 摘要称，条件最大似然可消除所述偏差，分别纳入组间和组内协变量的模型也能消除这一偏差来源。
- 阅读关注点
- 应核对条件化所依据的统计量、适用的模型与分布，以及协变量分解何时充分、组间与组内参数如何解释。
- 阅读边界
- 仅据 Crossref 摘要；具体模型条件、其他误设是否仍产生偏差及实例结果均未说明，不能将结论推广到所有混合模型。
原文摘要
Summary We consider the situation where the random effects in a generalized linear mixed model may be correlated with one of the predictors, which leads to inconsistent estimators. We show that conditional maximum likelihood can eliminate this bias. Conditional likelihood leads naturally to the partitioning of the covariate into between- and within-cluster components and models that include separate terms for these components also eliminate the source of the bias. Another viewpoint that we develop is the idea that many violations of the assumptions (including correlation between the random effects and a covariate) in a generalized linear mixed model may be cast as misspecified mixing distributions. We illustrate the results with two examples and simulations.