Analysis of Longitudinal Data With Semiparametric Estimation of Covariance Function
协方差函数半参数估计下的纵向数据分析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：摘要明确处理个体纵向重复观测、个体内协方差及回归系数估计，与面板数据方法直接相关。
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
协方差函数半参数估计下的纵向数据分析
- 研究问题
- 对于不规则时间点采集的纵向数据，如何估计协方差函数，以支持回归系数的效率改进和个体轨迹预测？
- 方法与思路
- 作者结合参数化相关结构与非参数方差函数，采用核估计、准似然或最小广义方差方法，并以剖面加权最小二乘估计回归系数。
- 材料陈述的贡献
- 摘要称，研究提出协方差半参数模型和变系数部分线性回归估计程序，建立渐近正态性，并提供模拟和真实数据说明。
- 阅读关注点
- 应核对不规则观测时间和个体内相关的条件、相关结构错设的影响，以及协方差估计误差如何进入系数推断和轨迹预测。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；相关结构选择、效率比较和预测结果未说明，不能据此确认任意纵向设计下均有改进。
原文摘要
Improving efficiency for regression coefficients and predicting trajectories of individuals are two important aspects in analysis of longitudinal data. Both involve estimation of the covariance function. Yet, challenges arise in estimating the covariance function of longitudinal data collected at irregular time points. A class of semiparametric models for the covariance function is proposed by imposing a parametric correlation structure while allowing a nonparametric variance function. A kernel estimator is developed for the estimation of the nonparametric variance function. Two methods, a quasi-likelihood approach and a minimum generalized variance method, are proposed for estimating parameters in the correlation structure. We introduce a semiparametric varying coefficient partially linear model for longitudinal data and propose an estimation procedure for model coefficients by using a profile weighted least squares approach. Sampling properties of the proposed estimation procedures are studied and asymptotic normality of the resulting estimators is established. Finite sample performance of the proposed procedures is assessed by Monte Carlo simulation studies. The proposed methodology is illustrated by an analysis of a real data example.