Bias Analysis and SIMEX Approach in Generalized Linear Mixed Measurement Error Models
广义线性混合测量误差模型的偏差分析与 SIMEX 方法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：摘要明确研究聚类资料与测量误差，但未说明时间维度或面板结构，也未涉及所列其他领域的专门问题。
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…
广义线性混合测量误差模型的偏差分析与 SIMEX 方法
- 研究问题
- 聚类数据的广义线性混合模型中，忽略解释变量测量误差会怎样改变模型结构，并影响回归系数和方差成分估计？
- 方法与思路
- 作者在加性正态测量误差及正态解释变量设定下刻画观测数据模型并计算偏差，另用 SIMEX 描述参数估计。
- 材料陈述的贡献
- 摘要称测量误差改变固定与随机效应结构；在一种常见情形下，簇内观测增多反而扩大忽略误差所致的参数偏差。
- 阅读关注点
- 应核对偏差分析的正态假设和特殊情形，区分其与 SIMEX 的适用条件，并检查误差设定、外推步骤及模拟证据。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未说明 SIMEX 的完整条件或误差参数来源，簇内样本增大导致偏差扩大仅指所述情形。
原文摘要
We consider generalized linear mixed models (GLMMs) for clustered data when one of the predictors is measured with error. When the measurement error is additive and normally distributed and the error-prone predictor is itself normally distributed, we show that the observed data also follow a GLMM but with a different fixed effects structure from the original model, a different and more complex random effects structure, and restrictions on the parameters. This characterization enables us to compute the biases that result in common GLMMs when one ignores measurement error. For instance, in one common situation the biases in parameter estimates become larger as the number of observations within a cluster increases, both for regression coefficients and for variance components. Parameter estimation is described using the SIMEX method, a relatively new functional method that makes no assumptions about the structure of the unobservable predictors. Simulations and an example illustrate the results.