Inference for clustered data using the independence loglikelihood
利用独立性对数似然对聚类数据进行推断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：摘要仅明确聚类相关和稳健推断，未说明面板结构，气象应用也不足以确定宏观时间序列分类。
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
利用独立性对数似然对聚类数据进行推断
- 研究问题
- 数据存在组内相关时，如何调整按独立性构造的对数似然，使其支持考虑聚类依赖的参数推断并便于计算？
- 方法与思路
- 作者利用独立性估计方程的性质，以参数协方差的稳健夹心估计量调整独立性对数似然，并应用于气象数据。
- 材料陈述的贡献
- 摘要称调整方法相较既有独立性估计方程技术表现有竞争力，并提供解释，展示欧洲风速与英国年最高温度案例。
- 阅读关注点
- 应核对聚类结构与渐近框架、夹心估计的构造，以及调整对似然曲率、检验或区间推断产生的具体作用。
- 阅读边界
- 材料为版本未注明的索引摘要，未说明聚类数量、组间依赖或小样本修正；比较表现及刊本变化不能据此确认。
原文摘要
We use the properties of independence estimating equations to adjust the ‘independence’ loglikelihood function in the presence of clustering. The proposed adjustment relies on the robust sandwich estimator of the parameter covariance matrix, which is easily calculated. The methodology competes favourably with established techniques based on independence estimating equations; we provide some insight as to why this is so. The adjustment is applied to examples relating to the modelling of wind speed in Europe and annual maximum temperatures in the U.K.