Misspecified maximum likelihood estimates and generalised linear mixed models
模型误设的最大似然估计与广义线性混合模型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：摘要研究一般混合模型的随机效应误设，未明确提供面板数据或宏观时间序列应用的依据。
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
模型误设的最大似然估计与广义线性混合模型
- 研究问题
- 广义线性混合模型的随机效应设定错误会如何影响回归系数估计，条件式和边际式参数化对这种错误的敏感性有何差异？
- 方法与思路
- 作者评估随机效应假设错误引起的渐近相对偏差，比较两种回归参数化，并考察随机效应依赖协变量或具有自回归结构的情形。
- 材料陈述的贡献
- 摘要称简单随机截距的条件式估计在所述误设下可能明显偏倚，而用最大似然估计的边际式回归结构对这类误设较不敏感。
- 阅读关注点
- 应核对条件与边际参数的目标差异、所比较的误设模型，以及渐近相对偏差的计算方式和较低敏感性的适用条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体模型、偏差大小和比较条件未给出，较不敏感不等于无偏，也不能认为两种参数化估计同一目标。
原文摘要
We investigate the impact of model violations on the estimate of a regression coefficient in a generalised linear mixed model. Specifically, we evaluate the asymptotic relative bias that results from incorrect assumptions regarding the random effects. We compare the impact of model violation for two parameterisations of the regression model. Substantial bias in the conditionally specified regression point estimators can result from using a simple random intercepts model when either the random effects distribution depends on measured covariates or there are autoregressive random effects. A marginally specified regression structure that is estimated using maximum likelihood is much less susceptible to bias resulting from random effects model misspecification.