Nested Generalized Linear Mixed Models: An Orthodox Best Linear Unbiased Predictor Approach
嵌套广义线性混合模型：经典最佳线性无偏预测方法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：摘要涉及通用聚类非正态数据和混合模型，未说明面板结构或其他所列经济计量应用。
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
嵌套广义线性混合模型：经典最佳线性无偏预测方法
- 研究问题
- 如何统一拟合包含离散、连续和混合响应的嵌套广义线性混合模型，并在较少随机效应分布信息下估计回归与离散参数？
- 方法与思路
- 作者以 Tweedie 指数离散模型构建模型类，利用随机效应的最佳线性无偏预测，形成 Godambe 意义下的最优估计函数。
- 材料陈述的贡献
- 摘要称，该方法提供统一拟合算法和一致参数估计，主要结果仅依赖随机效应的一、二阶矩，并以模拟和两组数据作说明。
- 阅读关注点
- 应核对嵌套结构、矩条件及最优性的比较范围，查看回归与离散参数的一致性条件，以及统一拟合算法的计算和应用表现。
- 阅读边界
- 解读仅依据所给 Crossref 摘要。摘要未列出完整渐近条件、模拟数值或拟合诊断，聚类数据也不能据此认定为面板数据。
原文摘要
Summary We introduce a new class of generalized linear mixed models based on the Tweedie exponential dispersion model distributions, accommodating a wide range of discrete, continuous and mixed data. Using the best linear unbiased predictor of random effects, we obtain an optimal estimating function for the regression parameters in the sense of Godambe, allowing an efficient common fitting algorithm for the whole class. Although allowing full parametric inference, our main results depend only on the first- and second-moment assumptions of unobserved random effects. In addition, we obtain consistent estimators for both regression and dispersion parameters. We illustrate the method by analysing the epilepsy data and cake baking data. Along with simulations and asymptotic justifications, this shows the usefulness of the method for analysis of clustered non-normal data.