Mean estimating equation approach to analysing cluster-correlated data with nonignorable cluster sizes
用均值估计方程分析簇大小不可忽略的簇相关数据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：摘要研究生物数据中的簇相关与信息性簇大小，未明确提供面板结构或其他所列领域的依据。
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
用均值估计方程分析簇大小不可忽略的簇相关数据
- 研究问题
- 当簇大小不可忽略、常用簇相关数据分析可能产生无效推断时，能否避免大量簇内重抽样，并保持渐近有效推断？
- 方法与思路
- 作者用单个按簇大小倒数加权的估计方程替代大量簇内重抽样，通过模拟评估表现，并提出检验簇大小可忽略性的 Wald 检验。
- 材料陈述的贡献
- 摘要称，该方法无需重抽样即可得到渐近有效推断，并提供簇大小可忽略性的检验；模拟用于评估，具体结果未报告。
- 阅读关注点
- 应核对簇大小可忽略性的定义、加权方程对应的目标参数，以及簇间依赖、方差估计和 Wald 检验成立的条件。
- 阅读边界
- OpenAlex 索引摘要未注明稿件版本；摘要未说明目标总体、正则条件或模拟数值，不能把簇相关数据直接视为面板数据。
原文摘要
Most methods for analysing cluster-correlated biological data implicitly assume the ignorability of cluster sizes. When this assumption fails, the resulting inferences may be asymptotically invalid. Hoffman et al. (2001) proposed a simple but computationally intensive method, based on a large number of within-cluster resamples and associated separate estimating equations, that leads to asymptotically valid inferences whether the cluster sizes are ignorable or not. We study a simple method, based on a single inverse cluster size-weighted estimating equation, that avoids resampling and yet leads to asymptotically valid inferences. Simulation results are presented to assess the performance of the proposed method. We also propose Wald tests for ignorability of cluster sizes.