Robust Estimation in Generalized Partial Linear Models for Clustered Data
聚类数据广义部分线性模型的稳健估计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：摘要明确针对纵向数据及聚类数据，讨论组内相关情形的半参数回归，最直接对应所列面板数据方法方向。
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
聚类数据广义部分线性模型的稳健估计
- 研究问题
- 在纵向或聚类数据的半参数广义部分线性模型中，如何兼顾非参数函数拟合、组内依赖和对异常值的稳健性？
- 方法与思路
- 作者用回归样条近似非参数函数，在广义估计方程中加入有界得分和基于杠杆值的权重，以降低异常值影响。
- 材料陈述的贡献
- 摘要称样条方法避免剖面核方法的部分复杂性，使稳健估计与推断在操作上能够类似广义线性模型进行。
- 阅读关注点
- 核对组内相关结构、样条复杂度选择、稳健得分与杠杆权重构造，以及标准误计算和异常值类型的处理。
- 阅读边界
- 材料为版本未注明的OpenAlex索引摘要；未列出一致性、效率或误设稳健性的条件，操作简化不代表全面性能优势。
原文摘要
In this article we consider robust generalized estimating equations for the analysis of semiparametric generalized partial linear models (GPLMs) for longitudinal data or clustered data in general. We approximate the nonparametric function in the GPLM by a regression spline, and use bounded scores and leverage-based weights in the estimating equation to achieve robustness against outliers. We show that the regression spline approach avoids some of the intricacies associated with the profile-kernel method, and that robust estimation and inference can be carried out operationally as if a generalized linear model were used.