Nonparametric variance estimation in the analysis of microarray data: a measurement error approach
微阵列数据的非参数方差估计：测量误差方法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：摘要讨论通用方差函数估计与生物数据测量误差，不能仅凭方差估计归入金融波动率。
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
微阵列数据的非参数方差估计：测量误差方法
- 研究问题
- 测量误差如何影响非参数方差函数估计，忽略误差或直接使用 SIMEX 是否可靠，以及如何构造一致的修正方法。
- 方法与思路
- 作者分析朴素估计与直接模拟外推方法的偏差和一致性，进一步提出置换 SIMEX，并用模拟及结肠癌微阵列数据说明。
- 材料陈述的贡献
- 摘要称朴素与直接 SIMEX 估计均不一致，但后者可减小偏差；置换 SIMEX 理论上一致，两种 SIMEX 的模拟表现均有改善。
- 阅读关注点
- 应核对测量误差模型、置换步骤及一致性条件，重点查看精确外推函数的近似如何影响两种 SIMEX 的实际表现。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；一致性条件和外推近似细节未说明，理论一致性不能直接保证有限样本表现。
原文摘要
This article investigates the effects of measurement error on the estimation of nonparametric variance functions. We show that either ignoring measurement error or direct application of the simulation extrapolation, SIMEX, method leads to inconsistent estimators. Nevertheless, the direct SIMEX method can reduce bias relative to a naive estimator. We further propose a permutation SIMEX method which leads to consistent estimators in theory. The performance of both SIMEX methods depends on approximations to the exact extrapolants. Simulations show that both SIMEX methods perform better than ignoring measurement error. The methodology is illustrated using microarray data from colon cancer patients.