Modeling Partly Conditional Means With Longitudinal Data
纵向数据的部分条件均值建模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：摘要直接研究纵向重复观测、历史条件化与广义估计方程，符合面板数据方向。
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…
关注这篇论文的作者
纵向数据的部分条件均值建模
- 研究问题
- 纵向数据的回归模型能否只条件于过程历史的一部分，从而在边际模型与条件于完整历史的转移模型之间建立联系？
- 方法与思路
- 作者提出部分条件均值模型，以工作协方差矩阵为对角矩阵的广义估计方程估计，并结合时间基线函数与协变量参数函数。
- 材料陈述的贡献
- 摘要称，这类模型连接边际回归与经典转移模型，在结构上具有类似 Cox 回归的时间基线与协变量部分，并给出两个例子。
- 阅读关注点
- 应核对所选历史子集如何改变条件均值的解释、对角工作协方差限制的理由，以及估计方程有效性所需条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；历史子集选择、相关性处理及推断条件未说明，不能赋予系数因果解释。
原文摘要
We propose a general modeling approach to longitudinal data that is a hybrid of the marginal regression models of Zeger and Liang and of the classical transition models such as used in time series analyses. Rather than conditioning at time t only on covariate values, as is typical with the marginal approach, or on the entire history of the process up to t, as is typical with the transition model approach, we suggest models that condition on a subset of the process history. Estimation proceeds using generalized estimating equation methodology but with the restriction that the working covariance matrix is diagonal. The proposed regression models share common features with Cox regression models for failure time data in that they are composed of a nuisance baseline function of time and a simple parametric function of the covariates. Two illustrative examples are presented.