Skew-normal antedependence models for skewed longitudinal data
偏斜纵向数据的偏正态前依赖模型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：摘要研究通用纵向数据的偏斜与序列相关，应用为牛生长研究，缺乏归入给定经济学细分的直接依据。
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
偏斜纵向数据的偏正态前依赖模型
- 研究问题
- 当纵向数据既有明显偏斜，又存在随时间变化的方差或同滞后相关性时，如何扩展正态前依赖模型并开展推断？
- 方法与思路
- 作者分别从多元偏正态分布施加前依赖约束，以及带偏正态创新的序贯自回归结构出发，构造两类模型与似然推断程序。
- 材料陈述的贡献
- 摘要称，文章为两类模型建立p阶前依赖的必要充分条件，开发相应的似然估计与检验，并应用于模拟和牛生长数据。
- 阅读关注点
- 应核对两类模型的分布及依赖结构差异、p阶条件的具体形式，以及偏斜参数与时变相关结构的识别和检验方式。
- 阅读边界
- 仅据摘要，无法列出必要充分条件、估计程序细节或实证表现；其纵向统计模型与牛生长应用不足以确定经济学细分方向。
原文摘要
Antedependence models, also known as transition models, have proven to be useful for longitudinal data exhibiting serial correlation, especially when the variances and/or same-lag correlations are time-varying. Statistical inference procedures associated with normal antedependence models are well-developed and have many nice properties, but they are not appropriate for longitudinal data that exhibit considerable skewness. We propose two direct extensions of normal antedependence models to skew-normal antedependence models. The first is obtained by imposing antedependence on a multivariate skew-normal distribution, and the second is a sequential autoregressive model with skew-normal innovations. For both models, necessary and sufficient conditions for $p$th-order antedependence are established, and likelihood-based estimation and testing procedures for models satisfying those conditions are developed. The procedures are applied to simulated data and to real data from a study of cattle growth.