Miscellanea. On the efficiency of regression estimators in generalised linear models for longitudinal data
纵向数据广义线性模型中回归估计量的效率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：摘要明确研究纵向重复测量数据及其组内相关处理，与面板数据方向直接相关。
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
纵向数据广义线性模型中回归估计量的效率
- 研究问题
- 纵向重复测量模型中，采用工作相关矩阵的广义估计方程，相比独立性估计方程究竟具有怎样的一致性和效率表现？
- 方法与思路
- 作者比较两类估计方程得到的回归参数估计量，围绕工作相关矩阵定义的不确定性，分析估计失效与相对效率问题。
- 材料陈述的贡献
- 摘要称工作相关矩阵方法在许多情形下仍给出一致估计，但其估计量通常比独立性估计方程所得估计量低效。
- 阅读关注点
- 应核对工作相关矩阵及其估计方式、效率比较的模型范围，并区分既有研究指出的估计失效与本文新增的效率结论。
- 阅读边界
- 仅据版本未注明的索引摘要；“通常低效”的具体适用条件未说明，不能据此否定所有使用工作相关矩阵的方法。
原文摘要
Liang & Zeger (1986) introduced a generalised estimating equations approach based on a 'working' correlation matrix to obtain consistent and efficient estimators of regression parameters in the class of generalised linear models for repeated measures data. As demonstrated by Crowder (1995), because of the uncertainty of definition of the working correlation matrix, the Lian-Zeger approach may in some cases lead to a complete breakdown of the estimation of the regression parameters. In this paper we show that, even though the Lian-Zeger approach in many situations yields consistent estimators for the regression parameters, these estimators are usually inefficient as compared to the regression estimators obtained by using the independence estimating equations approach.