Modeling Partly Conditional Means with Longitudinal Data
纵向数据中的部分条件均值建模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：摘要明确针对纵向数据建模，并利用个体过程历史和广义估计方程进行估计。
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
纵向数据中的部分条件均值建模
- 研究问题
- 纵向回归能否在仅条件于协变量的边际模型与条件于全部历史的转移模型之间，选择部分过程历史作为条件信息？
- 方法与思路
- 作者提出部分条件均值模型，将时间基线函数与简单协变量参数函数结合，并使用工作协方差限定为对角矩阵的 GEE 估计。
- 材料陈述的贡献
- 摘要称，这一框架结合边际回归与经典转移模型的特点，结构上与 Cox 回归有共同之处，并提供两个说明性例子。
- 阅读关注点
- 应核对如何选择被条件化的历史子集、回归参数的解释，以及工作协方差必须为对角矩阵的原因与有效推断条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；未给出历史选择准则、效率结论或完整假设，不能推断任意历史选择均有效。
原文摘要
We propose a general modeling approach to longitudinal data that is a hybrid of the marginal regression models of Zeger and Liang and of the classical transition models such as used in time series analyses. Rather than conditioning at time t only on covariate values, as is typical with the marginal approach, or on the entire history of the process up to t, as is typical with the transition model approach, we suggest models that condition on a subset of the process history. Estimation proceeds using generalized estimating equation methodology but with the restriction that the working covariance matrix is diagonal. The proposed regression models share common features with Cox regression models for failure time data in that they are composed of a nuisance baseline function of time and a simple parametric function of the covariates. Two illustrative examples are presented.