Hypothesis testing of regression parameters in semiparametric generalized linear models for cluster correlated data
组内相关数据半参数广义线性模型的回归参数检验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：组内相关与边际广义线性模型本身不足以确认面板结构或离散选择问题。
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
组内相关数据半参数广义线性模型的回归参数检验
- 研究问题
- 在具有组内相关的半参数边际广义线性模型中，如何检验回归系数，并修正工作相关结构或独立性近似产生的检验偏差？
- 方法与思路
- 作者提出广义与工作 Wald、得分检验，分析朴素似然比检验的渐近分布，并提出调整及工作相关结构评估方法。
- 材料陈述的贡献
- 摘要称，论文给出相关检验的渐近分布和简单调整，探讨稳健与朴素方差比值的理论界，并以数值例子说明。
- 阅读关注点
- 应核对独立组的渐近框架、工作相关结构误设时的有效性、调整量的估计，以及方差比值界的具体条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明完整正则条件或有限样本表现，不能把工作检验直接视为有效检验。
原文摘要
Generalized and ‘working’ Wald and score tests for regression coefficients in the class of semiparametric marginal generalized linear models for cluster correlated data (Liang & Zeger, 1986) are proposed, and their asymptotic distribution examined. In addition, the asymptotic distribution of the naive likelihood ratio test, or deviance difference, is presented. Following Rao & Scott (1984), we propose simple adjustments to such ‘working’ tests. The asymptotic distributions of the ‘working’ tests allow us to explore theoretical bounds on the ratios of the robust variance of the regression parameter estimators and their naive variance counterparts computed assuming independent observations. In addition, the adequacy of a particular choice of working correlation structure is considered. We illustrate our results with a numerical example.