Comparison of hierarchical likelihood versus orthodox best linear unbiased predictor approaches for frailty models
脆弱性模型中层级似然与传统最佳线性无偏预测方法的比较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：摘要讨论脆弱性模型的统计方法比较，未明确涉及所列面板、结构估计或因果推断方向。
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
脆弱性模型中层级似然与传统最佳线性无偏预测方法的比较
- 研究问题
- 在脆弱性模型中，层级似然与基于Pearson型估计的传统最佳线性无偏预测方法，各自具有哪些统计和计算特点？
- 方法与思路
- 作者比较两种估计途径，重点讨论半参数脆弱性模型中干扰参数数量随样本量增加时，传统预测方法可能遇到的困难。
- 材料陈述的贡献
- 摘要称，传统方法具有计算吸引力，但在干扰参数增长的半参数情形中可能出现困难，而层级似然方法可避免该困难。
- 阅读关注点
- 应核对脆弱性和半参数模型的具体设定、Pearson型估计步骤、干扰参数增长造成的问题，以及效率与计算成本的比较依据。
- 阅读边界
- 仅依据版本未注明的OpenAlex索引摘要；困难的具体形式、效率条件和比较数值未说明，不能认定层级似然在所有模型中更优。
原文摘要
Hierarchical likelihood provides a statistically efficient procedure for frailty models. Recently, a method using the computationally attractive orthodox best linear unbiased predictor has been proposed; this uses Pearson-type estimation. We compare both approaches and discuss their relative merits. With semiparametric frailty models difficulties can arise for the orthodox method, if the number of nuisance parameters increases with the sample size. This difficulty is avoided by the use of the hierarchical-likelihood method.