Estimation in Covariance Components Models
协方差分量模型中的估计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：摘要讨论一般协方差分量模型，虽涉及固定和随机效应，但未明确面板结构或所列其他领域。
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…
协方差分量模型中的估计
- 研究问题
- 在线性协方差分量模型中，如何估计固定与随机效应及未知方差、协方差，并把相关统计步骤落实为可计算的过程？
- 方法与思路
- 作者用贝叶斯方式表述已知方差和协方差时的效应估计，再利用针对不完全数据最大似然估计的 EM 算法计算未知分量。
- 材料陈述的贡献
- 摘要提出并说明协方差分量模型的估计技术，着重解释计算过程，并用法学院、田鼠及职业橄榄球队数据作示例。
- 阅读关注点
- 应核对协方差分量的参数化、贝叶斯表述的具体设定、EM 中不完全数据的定义，以及算法收敛和示例模型的结构。
- 阅读边界
- 来源为稿件版本未注明的 OpenAlex 索引摘要；模型条件、先验及计算表现未说明，固定和随机效应术语不足以认定面板研究。
原文摘要
Estimation techniques for linear covariance components models are developed and illustrated with special emphasis on explaining computational processes. The estimation of fixed and random effects when the variances and covariances are known is presented in Bayesian terms, Point estimates of the unknown variances and covariances are computed using the EM algorithm for maximum likelihood estimation from incomplete data. The techniques are illustrated with data on law schools, field mice, and professional football teams.