Censored observations, repeated measures and mixed effects models: An approach using the EM algorithm and normal errors
删失观测、重复测量与混合效应模型：正态误差下的 EM 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：摘要聚焦生存资料的删失混合效应估计，未明确对应所列经济计量细分方向。
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
删失观测、重复测量与混合效应模型：正态误差下的 EM 方法
- 研究问题
- 混合效应模型中的观测存在右删失时，如何联合估计回归参数向量和方差分量，并处理重复测量中的相关性？
- 方法与思路
- 作者给出利用 EM 算法进行极大似然估计的一般方案，并针对同时包含区组间与区组内变异的模型展开分析。
- 材料陈述的贡献
- 摘要称提供右删失混合效应模型的估计框架及特定模型的详细结果，并将其用于重复测量设计的对数生存时间。
- 阅读关注点
- 应核对删失机制、正态误差与随机效应设定、EM 各步骤的条件期望，以及方差分量识别和收敛诊断。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能推断刊本变化；删失机制条件、算法收敛与估计精度未说明。
原文摘要
Maximum likelihood estimation of a vector regression parameter and variance com ponents is considered for the mixed effects model when observations are right censored. A general scheme of estimation is given using the EM algorithm and detailed results found for the model with between and within block variation. This model is applied to the logarithms of survival times from a repeated measures design.