A semiparametric additive regression model for longitudinal data
纵向数据的半参数加性回归模型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：摘要明确针对同一对象在不规则时间重复观测的纵向数据，直接对应面板数据相关方法。
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
纵向数据的半参数加性回归模型
- 研究问题
- 对观测间隔不规则的纵向数据，如何兼顾随时间变化的协变量效应与恒定效应，以缓解小样本下模型过于复杂的问题？
- 方法与思路
- 作者将部分协变量效应设为非参数时变函数，其余设为常数，并用鞅方法研究累计回归函数的渐近性质。
- 材料陈述的贡献
- 摘要称参数部分的估计无需平滑，累计回归函数更易估计与分析，并将方法应用于哥本哈根肝病研究的纵向数据。
- 阅读关注点
- 应核对恒定与时变效应如何区分、观测时间机制的要求，以及累计效应推断与原回归函数估计之间的关系。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明个体内依赖、缺失或观测时间机制的具体条件，也未提供应用结果。
原文摘要
In previous work we have studied a nonparametric additive time-varying regression model for longitudinal data recorded at irregular intervals. The model allows the influence of each covariate to vary separately with time. For small datasets, however, only a limited number of covariates may be handled in this way. In this paper, we introduced a semiparametric regression model for longitudinal data. The influence of some of the covariates varies nonparametrically with time while the effect of the remaining covariates are constant. No smoothing is necessary in the estimation of the parametric terms of the model. Asymptotics are derived using martingale techniques for the cumulative regression functions, which are much easier to estimate and study than the regression functions themselves. The approach is applied to longitudinal data from the Copenhagen Study Group for Liver Diseases (Schlichting et al., 1983).