Improving generalised estimating equations using quadratic inference functions
利用二次推断函数改进广义估计方程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的回归估计与观测内相关结构处理。
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
利用二次推断函数改进广义估计方程
- 研究问题
- 纵向数据中工作相关结构误设可能降低广义估计方程的效率，如何改善参数估计并开展嵌套模型和回归误设检验？
- 方法与思路
- 作者以基矩阵的线性组合表示工作相关矩阵的逆，构造二次推断函数，避免直接估计相关参数，并研究估计与检验。
- 材料陈述的贡献
- 摘要称该方法在工作相关误设时仍保持其所述最优性，理论和模拟支持效率改善，并提供渐近卡方检验。
- 阅读关注点
- 应核对基矩阵表示的适用范围、最优性的比较集合，以及工作相关误设和回归模型误设在检验理论中的不同作用。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；最优性的具体条件和模拟幅度未说明，相关结构误设下的结论不能自动延伸至回归均值模型误设。
原文摘要
Generalised estimating equations enable one to estimate regression parameters consistently in longitudinal data analysis even when the correlation structure is misspecified. However, under such misspecification, the estimator of the regression parameter can be inefficient. In this paper we introduce a method of quadratic inference functions that does not involve direct estimation of the correlation parameter, and that remains optimal even if the working correlation structure is misspecified. The idea is to represent the inverse of the working correlation matrix by the linear combination of basis matrices, a representation that is valid for the working correlations most commonly used. Both asymptotic theory and simulation show that under misspecified working assumptions these estimators are more efficient than estimators from generalised estimating equations. This approach also provides a chi‐squared inference function for testing nested models and a chi‐squared regression misspecification test. Furthermore, the test statistic follows a chi‐squared distribution asymptotically whether or not the working correlation structure is correctly specified.