Working correlation structure misspecification, estimation and covariate design: Implications for generalised estimating equations performance
工作相关结构误设、参数估计与协变量设计对广义估计方程性能的影响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：摘要明确研究聚类数据，但未说明数据具有面板或纵向结构，不能仅凭簇内相关与 AR(1) 设定归入面板方向。
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
工作相关结构误设、参数估计与协变量设计对广义估计方程性能的影响
- 研究问题
- 对聚类结果建模时，工作相关结构误设、相关参数估计方式及簇内协变量与簇大小设计如何共同影响均值参数估计效率？
- 方法与思路
- 作者研究广义估计方程的渐近相对效率，通过解析与数值分析比较工作相关结构、相关参数估计方法及不同设计的影响。
- 材料陈述的贡献
- 摘要称，工作协方差选择显著影响估计效率；在所研究情形中，采用 AR(1) 结构的高斯伪似然估计可防护可避免的效率损失。
- 阅读关注点
- 应核对真实与工作相关结构的设定、相关参数估计步骤、簇大小的渐近安排，以及所述效率防护适用于哪些设计。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；具体条件与效率数值未说明，不能把 AR(1) 方案视为所有相关结构误设下的最优选择。
原文摘要
The method of generalised estimating equations for regression modelling of clustered outcomes allows for specification of a working matrix that is intended to approximate the true correlation matrix of the observations. We investigate the asymptotic relative efficiency of the generalised estimating equation for the mean parameters when the correlation parameters are estimated by various methods. The asymptotic relative efficiency depends on three features of the analysis, namely (i) the discrepancy between the working correlation structure and the unobservable true correlation structure, (ii) the method by which the correlation parameters are estimated and (iii) the ‘design’, by which we refer to both the structures of the predictor matrices within clusters and distribution of cluster sizes. Analytical and numerical studies of realistic data‐analysis scenarios show that choice of working covariance model has a substantial impact on regression estimator efficiency. Protection against avoidable loss of efficiency associated with covariance misspecification is obtained when a ‘Gaussian estimation’ pseudolikelihood procedure is used with an AR(1) structure.