Semiparametric Stochastic Mixed Models for Longitudinal Data
纵向数据的半参数随机混合模型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：摘要明确研究纵向重复观测及个体内相关性的建模，直接对应面板数据方法，但应用示例属于生物医学。
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…
纵向数据的半参数随机混合模型
- 研究问题
- 如何在纵向数据中同时估计协变量效应与平滑时间效应，并处理同一个体内由随机效应和随机过程产生的相关性？
- 方法与思路
- 作者以参数固定效应和平滑时间函数构建混合模型，通过惩罚似然估计，并用限制最大似然联合选择平滑参数与方差分量。
- 材料陈述的贡献
- 摘要称时间函数估计为平滑样条，各目标分量可通过修正的线性混合模型估计，并比较频率学派与贝叶斯推断。
- 阅读关注点
- 应核对随机过程与协方差结构的设定、平滑惩罚的具体形式，以及联合估计平滑参数后两类区间推断如何处理不确定性。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；模拟设计和具体表现未提供，不能推断复杂相关结构下的普遍适用性或刊本变化。
原文摘要
We consider inference for a semiparametric stochastic mixed model for longitudinal data. This model uses parametric fixed effects to represent the covariate effects and an arbitrary smooth function to model the time effect and accounts for the within-subject correlation using random effects and a stationary or nonstationary stochastic process. We derive maximum penalized likelihood estimators of the regression coefficients and the nonparametric function. The resulting estimator of the nonparametric function is a smoothing spline. We propose and compare frequentist inference and Bayesian inference on these model components. We use restricted maximum likelihood to estimate the smoothing parameter and the variance components simultaneously. We show that estimation of all model components of interest can proceed by fitting a modified linear mixed model. We illustrate the proposed method by analyzing a hormone dataset and evaluate its performance through simulations.