Varying-coefficient models and basis function approximations for the analysis of repeated measurements
重复测量分析中的变系数模型与基函数近似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：摘要明确研究重复测量与按受试者重抽样，直接涉及个体内纵向数据结构和面板类估计方法。
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
重复测量分析中的变系数模型与基函数近似
- 研究问题
- 重复测量数据中，如何估计随时间等指标变化的回归系数并进行推断，尤其应对时变协变量和不同观测时点上的稀疏数据？
- 方法与思路
- 作者使用基函数近似进行全局平滑，并按受试者重抽样构造置信区域与假设检验，同时研究条件偏差、方差及渐近一致性。
- 材料陈述的贡献
- 摘要称，方法适用于时不变或时变协变量，稀疏观测时无需分箱，并给出理论性质、模拟研究及流行病学应用示例。
- 阅读关注点
- 应核对基函数与维数选择、个体内相关的处理、受试者 bootstrap 的有效性，以及不规则或稀疏观测下的一致性条件。
- 阅读边界
- 材料为 OpenAlex 索引摘要，稿件版本未注明。平滑选择、依赖结构条件和模拟数值未提供，不能据此断言所有稀疏纵向数据均可适用。
原文摘要
A global smoothing procedure is developed using basis function approximations for estimating the parameters of a varying‐coefficient model with repeated measurements. Inference procedures based on a resampling subject bootstrap are proposed to construct confidence regions and to perform hypothesis testing. Conditional biases and variances of our estimators and their asymptotic consistency are developed explicitly. Finite sample properties of our procedures are investigated through a simulation study. Application of the proposed approach is demonstrated through an example in epidemiology. In contrast to the existing methods, this approach applies whether or not the covariates are time‐invariant and does not require binning of the data when observations are sparse at distinct observation times.