Prediction of Random Effects in the Generalized Linear Model
广义线性模型中的随机效应预测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：摘要明确强调同一单位少量重复观测的纵向数据，直接对应面板数据方法。
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…
关注这篇论文的作者
广义线性模型中的随机效应预测
- 研究问题
- 对于包含单变量随机效应和固定效应的两阶段广义线性模型，如何在每个单位重复观测较少时估计随机效应及其方差？
- 方法与思路
- 作者以估计函数统一处理随机效应及其方差，提出两种计算强度不同的经验贝叶斯程序，并应用于艾滋病发生趋势。
- 材料陈述的贡献
- 摘要称，方法利用全部可用数据，可将熟悉的估计形式作为特例，并在离散响应、短纵向记录场景中具有计算优势。
- 阅读关注点
- 应核对估计函数的构造、两种程序的差别、随机效应预测的不确定性，以及短纵向样本下方差估计的表现。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出分布与正则条件，也未说明计算优势的比较范围和预测误差大小。
原文摘要
This article develops an estimating function-based approach to component estimation in the two-stage generalized linear model with univariate random effects and a vector of fixed effects. The novelty and unifying feature of the method is the use of estimating functions in the estimation of both the random effects and their variance. Two separate estimating procedures based on the method are proposed that differ in the intensity of numerical computation required. The estimating function approach is especially valuable in the longitudinal setting where the response variable is discrete and the number of repeated observations on each unit is small. Other key features of this empirical Bayes technique are that it uses all available data, it yields familiar forms for the estimators as special cases, and it is less computationally intensive than other methods designed to address the same problem. An application to the estimation of trends in acquired immune deficiency syndrome (AIDS) incidence across risk groups and geographical regions is presented.