A type of restricted maximum likelihood estimator of variance components in generalised linear mixed models
广义线性混合模型方差分量的一类限制极大似然估计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：摘要研究一般混合模型的方差分量估计，未明确建立离散选择或面板计量应用。
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
广义线性混合模型方差分量的一类限制极大似然估计
- 研究问题
- 经典限制极大似然定义难以直接推广到非线性模型时，如何减少广义线性混合模型方差分量估计的向下偏差？
- 方法与思路
- 作者通过修正方差分量剖面得分函数的偏差，构造 REML 型估计量，并在 logistic 混合模型中进行模拟。
- 材料陈述的贡献
- 摘要称参数维数固定时，新估计量具有与极大似然相同的一致性性质，但方差分量有限样本偏差较小。
- 阅读关注点
- 应核对得分偏差修正的具体形式、一致性所需条件、边界方差分量的处理，以及模拟中偏差和方差的权衡。
- 阅读边界
- 仅据版本未注明的索引摘要；偏差减小的条件和幅度未说明，所述 logistic 模拟不足以支持所有混合模型中的全面优势。
原文摘要
The maximum likelihood estimator of the variance components in a linear model can be biased downwards. Restricted maximum likelihood (REML) corrects this problem by using the likelihood of a set of residual contrasts and is generally considered superior. However, this original restricted maximum likelihood definition does not directly extend beyond linear models. We propose a REML‐type estimator for generalised linear mixed models by correcting the bias in the profile score function of the variance components. The proposed estimator has the same consistency properties as the maximum likelihood estimator if the number of parameters in the mean and variance components models remains fixed. However, the estimator of the variance components has a smaller finite sample bias. A simulation study with a logistic mixed model shows that the proposed estimator is effective in correcting the downward bias in the maximum likelihood estimator.