Models for Longitudinal Data with Random Effects and AR(1) Errors
含随机效应与 AR(1) 误差的纵向数据模型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：摘要明确研究多个个体的重复观测、随机效应和个体内 AR(1) 误差，分别对应面板与时间序列方法。
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
含随机效应与 AR(1) 误差的纵向数据模型
- 研究问题
- 对多个个体的纵向观测，如何同时描述个体间随机差异与个体内误差自相关，并开展检验、估计和未来响应预测？
- 方法与思路
- 作者构造个体内自相关的得分检验，以评分法实现随机效应与 AR(1) 误差模型的最大似然估计，并考虑经验贝叶斯预测。
- 材料陈述的贡献
- 摘要称，给出自相关检验和显式最大似然估计程序，同时讨论随机效应估计与个体未来响应预测，并提供数值示例。
- 阅读关注点
- 应核对随机效应与误差的分布及相关结构、检验的零假设，以及评分迭代、经验贝叶斯估计和预测的具体实现条件。
- 阅读边界
- 摘要未说明观测时间结构、完整模型假设或数值表现，不能推断适用于任意纵向设计；OpenAlex 索引摘要版本未注明。
原文摘要
For longitudinal data on several individuals, linear models that contain both random effects across individuals and autocorrelation in the within-individual errors are studied. A score test for autocorrelation in the within-individual errors for the “conditional independence” random effects model is first developed. An explicit maximum likelihood estimation procedure using the scoring method for the model with random effects and (autoregressive) AR(1) errors is then derived. Empirical Bayes estimation of the random effects and prediction of future responses of an individual based on this random effects with AR(1) errors model are also considered. A numerical example is presented to illustrate these methods.