Rank-Based Estimation and Associated Inferences for Linear Models With Cluster Correlated Errors
簇相关误差线性模型的秩估计与相关推断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：摘要只明确簇相关线性模型与秩推断，未说明面板结构或其他所列细分方向，故不作进一步归类。
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…
簇相关误差线性模型的秩估计与相关推断
- 研究问题
- 如何将基于全部残差联合秩的线性模型估计扩展到簇内相关误差，并为固定效应、标准误和稳健残差诊断提供推断方法？
- 方法与思路
- 作者针对一般得分函数扩展联合秩估计并讨论渐近理论；在单随机效应混合模型中估计稳健方差分量，用于构造学生化残差。
- 材料陈述的贡献
- 摘要称，方法扩展了簇相关误差下的固定效应秩估计及标准误分析，实例和类似情境模拟支持其有效性与合适得分函数的效率表现。
- 阅读关注点
- 阅读时应核对簇结构与渐近条件、标准误计算、得分函数选择依据，以及单随机效应模型的方差分量估计如何用于残差诊断。
- 阅读边界
- 材料为稿件版本未注明的 OpenAlex 索引摘要；摘要未列出渐近条件和效率数值，单随机效应及特定模拟中的结论不能推广至任意相关结构。
原文摘要
R estimators based on the joint ranks (JR) of all the residuals have been developed over the last 20 years for fitting linear models with independently distributed errors. In this article, we extend these estimators to estimating the fixed effects in a linear model with cluster correlated continuous error distributions for general score functions. We discuss the asymptotic theory of the estimators and standard errors of the estimators. For the related mixed model with a single random effect, we discuss robust estimators of the variance components. These are used to obtain Studentized residuals for the JR fit. A real example is discussed, which illustrates the efficiency of the JR analysis over the traditional analysis and the efficiency of a prudent choice of a score function. Simulation studies over situations similar to the example confirm the validity and efficiency of the analysis.