Empirical Likelihood Semiparametric Regression Analysis for Longitudinal Data
纵向数据的经验似然半参数回归分析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：摘要明确处理纵向数据的半参数回归与重复观测依赖，对应面板数据方法。
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…
纵向数据的经验似然半参数回归分析
- 研究问题
- 如何在纵向半参数回归中同时估计回归系数与基准函数，并处理观测依赖和非参数偏差以构造置信区域与区间？
- 方法与思路
- 作者使用经验似然估计，结合分组程序处理依赖，进行偏差修正，并提出两种针对基准函数的校准经验似然推断方法。
- 材料陈述的贡献
- 摘要称，系数估计达到渐近效率，修正后的函数估计渐近正态，并建立非参数 Wilks 结果；模拟比较覆盖率及区间大小。
- 阅读关注点
- 应核对纵向模型与分组依赖设定、偏差修正和校准步骤，以及效率参照、Wilks 结论的条件和模拟比较的具体设计。
- 阅读边界
- 依据版本未注明的索引摘要；效率及 Wilks 结果的条件未列出，也未报告模拟数值，不能据此断言有限样本覆盖更优。
原文摘要
A semiparametric regression model for longitudinal data is considered. The empirical likelihood method is used to estimate the regression coefficients and the baseline function, and to construct confidence regions and intervals. It is proved that the maximum empirical likelihood estimator of the regression coefficients achieves asymptotic efficiency and the estimator of the baseline function attains asymptotic normality when a bias correction is made. Two calibrated empirical likelihood approaches to inference for the baseline function are developed. We propose a groupwise empirical likelihood procedure to handle the inter-series dependence for the longitudinal semiparametric regression model, and employ bias correction to construct the empirical likelihood ratio functions for the parameters of interest. This leads us to prove a nonparametric version of Wilks' theorem. Compared with methods based on normal approximations, the empirical likelihood does not require consistent estimators for the asymptotic variance and bias. A simulation compares the empirical likelihood and normal-based methods in terms of coverage accuracies and average areas/lengths of confidence regions/intervals.