On high-dimensional misspecified mixed model analysis in genome-wide association study
全基因组关联研究中高维误设混合模型的分析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：摘要研究遗传关联中的高维混合模型方差估计，未明确涉及所列计量方向。
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…
全基因组关联研究中高维误设混合模型的分析
- 研究问题
- 在全基因组关联研究使用的高维线性混合模型发生误设时，REML方差估计量收敛到什么目标，其收敛速度如何？
- 方法与思路
- 作者对误设线性混合模型的限制最大似然估计开展渐近分析，研究方差参数的概率极限、收敛率和渐近条件方差。
- 材料陈述的贡献
- 摘要称误差方差估计一致，而随机效应方差估计趋于真实方差乘以非零效应的极限比例，并以模拟和真实数据说明。
- 阅读关注点
- 应核对误设机制、非零随机效应比例及维度增长条件，区分原始方差参数与估计量极限，并检查条件方差结果。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；具体渐近条件、速率和比较结果未提供，不能将一致性推广至任意模型误设。
原文摘要
We study behavior of the restricted maximum likelihood (REML) estimator under a misspecified linear mixed model (LMM) that has received much attention in recent genome-wide association studies. The asymptotic analysis establishes consistency of the REML estimator of the variance of the errors in the LMM, and convergence in probability of the REML estimator of the variance of the random effects in the LMM to a certain limit, which is equal to the true variance of the random effects multiplied by the limiting proportion of the nonzero random effects present in the LMM. The asymptotic results also establish convergence rate (in probability) of the REML estimators as well as a result regarding convergence of the asymptotic conditional variance of the REML estimator. The asymptotic results are fully supported by the results of empirical studies, which include extensive simulation studies that compare the performance of the REML estimator (under the misspecified LMM) with other existing methods, and real data applications (only one example is presented) that have important genetic implications.