Nonparametric estimation in nonlinear mixed effects models
非线性混合效应模型中的非参数估计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：摘要涉及一般非线性混合效应模型和药代动力学，未明确经济结构或面板数据推断，不能仅据随机效应作细分分类。
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
非线性混合效应模型中的非参数估计
- 研究问题
- 如何以非参数方法估计非线性混合效应模型中的参数，并进一步估计随机效应的函数，以支持群体药代动力学应用？
- 方法与思路
- 作者发展非参数最大似然估计，讨论其渐近性质和计算算法，并构造随机效应函数的经验贝叶斯估计用于应用。
- 材料陈述的贡献
- 摘要称论文提供了非参数最大似然估计的渐近分析及计算方法，同时给出经验贝叶斯估计和群体药代动力学应用。
- 阅读关注点
- 应核对非参数部分的具体对象、模型识别与渐近条件、算法收敛方式，以及随机效应函数的经验贝叶斯估计如何实施。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；非参数设定、具体渐近结论及应用结果未说明，不能推断识别充分性或估计效率优势。
原文摘要
A nonparametric approach is developed herein to estimate parameters in nonlinear mixed effects models. Asymptotic properties of the nonparametric maximum likelihood estimators and associated computational algorithms are provided. Empirical Bayes estimators of functionals of the random effects are also developed. Applications to population pharmacokinetics are given.