A note on the sensitivity to assumptions of a generalized linear mixed model
广义线性混合模型对假设敏感性的一个注记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：泊松回归与随机效应属于通用模型工具，摘要未明确对应面板、因果或其他所列细分方向。
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
广义线性混合模型对假设敏感性的一个注记
- 研究问题
- 在简单泊松回归中，混合模型表示可能带来多少效率收益，又会因随机项设定错误产生怎样的系统偏差？
- 方法与思路
- 作者以简单泊松回归为研究场景，考察混合模型表示的潜在效率收益，并分析随机成分误设引起的误差。
- 材料陈述的贡献
- 摘要称，在一个特殊但现实的问题中，随机成分设定错误可能造成明显偏差，提示效率收益需结合假设敏感性判断。
- 阅读关注点
- 应核对该特殊问题的具体结构、随机成分误设方式，以及偏差与效率比较所使用的估计目标和评价标准。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；例子的详细条件与偏差大小未说明，不能推广至所有混合模型或推断刊本变化。
原文摘要
A simple case of Poisson regression is used to study the potential gain in efficiency from using a mixed model representation. Possible systematic errors arising from misspecification of the random terms in the model are examined. It is shown in particular that for a special but realistic problem, appreciable bias may arise from misspecification of a random component.