Estimation efficiency in a binary mixed-effects model setting
二元混合效应模型中的估计效率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：摘要研究一般分组二元回归的似然效率，未明确涉及选择行为或纵向面板结构。
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
二元混合效应模型中的估计效率
- 研究问题
- 混合效应逻辑回归中，消除随机截距的条件似然与积分掉随机截距的边际似然，其估计效率如何随组内相关和组规模变化？
- 方法与思路
- 作者比较条件似然、指定截距分布的参数边际似然，以及不指定截距分布的半参数方法，结合相对效率表达式、模拟和实例。
- 材料陈述的贡献
- 摘要称条件估计相对参数估计的渐近效率随组内协变量相关下降；固定相关时，参数估计相对条件估计的效率随组规模上升。
- 阅读关注点
- 阅读全文时应核对协变量相关的定义、随机截距与协变量的关系、相对效率比值的方向，以及半参数比较的模拟证据。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；分布设定、效率结论的条件和模拟范围未说明，不能据此认定某种似然方法普遍更优。
原文摘要
We investigate the efficiency of likelihood methods for estimating the regression parameters of mixed-effects logistic regression models. One approach uses a conditional likelihood which eliminates the random intercept terms. A second uses the likelihood generated from the marginal distribution of the data where the random intercepts are integrated out. Parametric estimates result from assuming a parametric form for the intercept distribution, whereas we obtain semiparametric estimates when the intercept distribution is left unspecified. We present an expression which shows that the asymptotic relative efficiency of conditional likelihood estimators relative to parametric estimators is a decreasing function of within-cluster covariate correlation. Simulation results show the same for the asymptotic relative efficiency of the semiparametric estimator relative to the conditional. For fixed covariate correlation, the asymptotic relative efficiency of the parametric versus the conditional increases as cluster sizes increase. Example data further illustrate our findings.