On Repeated Measures Analysis with Misspecified Covariance Structure
协方差结构误设下的重复测量分析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：摘要明确研究重复测量和纵向数据及其协方差误设问题，与面板数据中个体内重复观测的建模直接相关。
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
协方差结构误设下的重复测量分析
- 研究问题
- 在重复测量或纵向数据中，协方差结构误设如何影响既有估计方法，能否结合高斯估计与广义估计方程改善渐近行为？
- 方法与思路
- 作者建议通过高斯估计实施传统方法，所得估计方程将拟得分函数作为一个组成部分，从而结合高斯估计与广义估计方程。
- 材料陈述的贡献
- 摘要称传统正态似然与广义估计方程各有理论问题，所提组合方法具有更稳固的渐近基础，并旨在改善估计量行为。
- 阅读关注点
- 应核对导致渐近偏差的具体模型设定、组合估计方程的构造，以及改善结论针对哪些参数和哪些协方差误设情形。
- 阅读边界
- 仅据所给 Crossref 摘要，不推断刊本变化；摘要未列出完整条件和比较结果，不能断言所有协方差误设都会使传统估计有偏。
原文摘要
Summary In recent years various sophisticated methods have been developed for the analysis of repeated measures, or longitudinal data. The more traditional approach, based on a normal likelihood function, has been shown to be unsatisfactory, in the sense of yielding asymptotically biased estimates when the covariance structure is misspecified. More recent methodology, based on generalized linear models and quasi-likelihood estimation, has gained widespread acceptance as ‘generalized estimating equations’. However, this also has theoretical problems. In this paper a suggestion is made for improving the asymptotic behaviour of estimators by using the older approach, implemented via Gaussian estimation. The resulting estimating equations include the quasi-score function as one component, so the methodology proposed can be viewed as a combination of Gaussian estimation and generalized estimating equations which has a firmer asymptotic basis than either alone has.