Modelling of covariance structures in generalised estimating equations for longitudinal data
纵向数据广义估计方程中的协方差结构建模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：摘要明确研究纵向数据的个体内协方差及均值参数联合估计，直接对应纵向和面板数据方法。
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
纵向数据广义估计方程中的协方差结构建模
- 研究问题
- 纵向数据的工作协方差误设可能降低均值参数估计效率，如何在广义估计方程框架内同时建模均值与协方差？
- 方法与思路
- 作者在广义估计方程框架中联合设定纵向数据的均值和协方差结构，并研究相应两类参数估计量的渐近性质。
- 材料陈述的贡献
- 摘要称，所得均值与协方差参数估计量一致且渐近正态，真实数据和模拟分析支持两类参数估计具有较高效率。
- 阅读关注点
- 应核对协方差结构的参数化与有效性约束、联合估计方程、一致性条件，以及效率比较采用的基准和误设情形。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出效率比较数值或完整条件，不能认定协方差模型误设时仍保持全部所述性质。
原文摘要
When used for modelling longitudinal data generalised estimating equations specify a working structure for the within-subject covariance matrices, aiming to produce efficient parameter estimators. However, misspecification of the working covariance structure may lead to a large loss of efficiency of the estimators of the mean parameters. In this paper we propose an approach for joint modelling of the mean and covariance structures of longitudinal data within the framework of generalised estimating equations. The resulting estimators for the mean and covariance parameters are shown to be consistent and asymptotically Normally distributed. Real data analysis and simulation studies show that the proposed approach yields e?cient estimators for both the mean and covariance parameters.