Hypothesis Testing of Regression Parameters in Semiparametric Generalized Linear Models for Cluster Correlated Data
簇相关数据半参数广义线性模型的回归参数检验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：摘要明确研究簇相关数据，但未说明同一个体的跨期观测；仅凭簇相关不足以归入面板或网络干扰方向。
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
簇相关数据半参数广义线性模型的回归参数检验
- 研究问题
- 在簇内观测相关的边际广义线性模型中，如何检验回归系数，并评估忽略相关性或采用工作相关结构的影响？
- 方法与思路
- 作者提出广义及工作 Wald、得分检验，研究朴素似然比检验的渐近分布，并设计工作检验调整和方差比界。
- 材料陈述的贡献
- 摘要称给出相关检验的渐近分布与简单调整，分析稳健方差相对朴素方差的理论界，并讨论工作相关结构的适切性。
- 阅读关注点
- 核对簇数与簇规模的渐近框架、各检验的协方差估计、工作检验调整，以及相关结构适切性判断所依赖的条件。
- 阅读边界
- 索引摘要未注明稿件版本，也未说明独立簇等具体条件、调整公式或例子结果，不能判断任意簇相关数据中的有效性。
原文摘要
Generalized and ‘working’ Wald and score tests for regression coefficients in the class of semiparametric marginal generalized linear models for cluster correlated data (Liang & Zeger, 1986) are proposed, and their asymptotic distribution examined. In addition, the asymptotic distribution of the naive likelihood ratio test, or deviance difference, is presented. Following Rao & Scott (1984), we propose simple adjustments to such ‘working’ tests. The asymptotic distributions of the ‘working’ tests allow us to explore theoretical bounds on the ratios of the robust variance of the regression parameter estimators and their naive variance counterparts computed assuming independent observations. In addition, the adequacy of a particular choice of working correlation structure is considered. We illustrate our results with a numerical example.