A Linear Mixed-Effects Model with Heterogeneity in the Random-Effects Population
随机效应总体存在异质性的线性混合效应模型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：摘要涉及通用混合效应模型与随机效应分布设定，没有明确说明面板或其他所列领域的特定数据结构。
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
随机效应总体存在异质性的线性混合效应模型
- 研究问题
- 若随机效应总体由多个正态成分组成，单一正态假设会如何影响随机效应估计，常用模型检查能否发现问题？
- 方法与思路
- 作者考察有限正态混合随机效应，主张将混合结构直接纳入模型，再与高斯模型比较，并用两个实际例子说明。
- 材料陈述的贡献
- 摘要称误用单一正态分布可能严重损害随机效应估计，现有假设检查也可能不可靠，并提出显式混合建模的思路。
- 阅读关注点
- 应核对混合成分的估计与区分方式、模型比较准则，以及所谓检查不可靠的具体对象、条件和案例证据。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未给出混合识别条件或比较结果，不能判断混合模型在所有数据中均更合适。
原文摘要
This article investigates the impact of the normality assumption for random effects on their estimates in the linear mixed-effects model. It shows that if the distribution of random effects is a finite mixture of normal distributions, then the random effects may be badly estimated if normality is assumed, and the current methods for inspecting the appropriateness of the model assumptions are not sound. Further, it is argued that a better way to detect the components of the mixture is to build this assumption in the model and then “compare” the fitted model with the Gaussian model. All of this is illustrated on two practical examples.