Analysing ordinal longitudinal survey data: Generalised estimating equations approach
有序纵向调查数据分析：广义估计方程方法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：摘要明确研究大量个体的重复观测及跨期相关，直接对应面板数据；未将有序结果解释为个体选择行为。
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
有序纵向调查数据分析：广义估计方程方法
- 研究问题
- 对于同一个体反复观测的多变量有序分类结果，如何估计协变量与边际期望的关系，同时处理分类结构和跨期相关？
- 方法与思路
- 作者基于自相关结构构造广义估计方程，处理多变量多分类纵向结果；单变量和双变量分析作为该框架的特殊情形。
- 材料陈述的贡献
- 摘要称回归参数估计量具有一致性，并用加拿大劳动与收入动态调查数据说明方法对有序纵向调查数据的应用。
- 阅读关注点
- 应核对有序结果的边际模型、自相关结构与估计方程构造，并检查一致性条件及相关结构设定错误时的推断处理。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；摘要未说明缺失观测、调查抽样权重和相关结构误设的处理，也不支持因果解释。
原文摘要
Longitudinal survey data may comprise ordinal polytomous repeated observations and a set of multidimensional covariates for a large number of individuals. One of the main goals of the longitudinal survey is then to describe the marginal expectation of the ordinal polytomous outcome variable as a function of the covariates while accounting for the structural as well as longitudinal correlations. The structural correlations come from the polytomous nature of the response variable, and the longitudinal correlations from the repetition of the polytomous responses over time. In this paper we develop a generalised estimating equations approach based on autocorrelation structure to deal with multivariate polytomous longitudinal survey data, the univariate and bivariate analyses being special cases. The regression estimators are shown to be consistent for the corresponding regression parameters. The methods are illustrated by using the Survey of Labour and Income Dynamics data from Statistics Canada.