A simple test for random effects in regression models
回归模型中随机效应的简单检验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：摘要讨论一般混合模型的方差分量检验，没有明确的面板数据结构或其他指定领域依据。
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
回归模型中随机效应的简单检验
- 研究问题
- 在广义线性混合模型中，随机效应为零对应方差参数位于可行空间边界，如何构造易计算的检验？
- 方法与思路
- 作者利用随机效应与惩罚回归的联系，将未被检验的方差分量固定在估计值，再把似然比写成随机效应预测值的二次型。
- 材料陈述的贡献
- 摘要称，原假设下统计量服从独立标准正态变量平方的加权和分布，方法也可用于惩罚拟似然估计的混合模型。
- 阅读关注点
- 应核对二次型表示及其分布结论的条件，固定其他方差分量的影响，以及惩罚拟似然下的校准与实施方法。
- 阅读边界
- 索引摘要版本未注明，未交代分布结论的完整适用范围及有限样本误差；随机效应本身不足以判定为面板方法，也不能推断刊本变化。
原文摘要
Testing that random effects are zero is difficult, because the null hypothesis restricts the corresponding variance parameter to the edge of the feasible parameter space. In the context of generalized linear mixed models, this paper exploits the link between random effects and penalized regression to develop a simple test for a zero effect. The idea is to treat the variance components not being tested as fixed at their estimates and then to express the likelihood ratio as a readily computed quadratic form in the predicted values of the random effects. Under the null hypothesis this has the distribution of a weighted sum of squares of independent standard normal random variables. The test can be used with generalized linear mixed models, including those estimated by penalized quasilikelihood.