Semiparametric Mean–Covariance Regression Analysis for Longitudinal Data
纵向数据的半参数均值—协方差回归分析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：摘要直接研究纵向重复观测中的均值与协方差建模，对应面板数据方法。
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
纵向数据的半参数均值—协方差回归分析
- 研究问题
- 纵向数据分析中，如何同时灵活建模均值和协方差结构，以改善均值参数估计并减少协方差模型设定受限的问题？
- 方法与思路
- 作者基于修正 Cholesky 分解构建均值与协方差的半参数回归，以回归样条和广义估计方程估计两类结构。
- 材料陈述的贡献
- 摘要称两类回归系数估计一致且渐近正态，非参数函数达到最优速度，模拟与应用显示均值估计有效率。
- 阅读关注点
- 应核对协方差正定性的保证、样条复杂度与相关结构条件，以及最优速度、效率评价和模型错设讨论的范围。
- 阅读边界
- 仅据所给 OpenAlex 摘要，无法确认完整条件、具体速度或效率提升幅度；所提在线补充材料未提供，不能据此补充结果。
原文摘要
Efficient estimation of the regression coefficients in longitudinal data analysis requires a correct specification of the covariance structure. Existing approaches usually focus on modeling the mean with specification of certain covariance structures, which may lead to inefficient or biased estimators of parameters in the mean if misspecification occurs. In this article, we propose a data-driven approach based on semiparametric regression models for the mean and the covariance simultaneously, motivated by the modified Cholesky decomposition. A regression spline-based approach using generalized estimating equations is developed to estimate the parameters in the mean and the covariance. The resulting estimators for the regression coefficients in both the mean and the covariance are shown to be consistent and asymptotically normally distributed. In addition, the nonparametric functions in these two structures are estimated at their optimal rate of convergence. Simulation studies and a real data analysis show that the proposed approach yields highly efficient estimators for the parameters in the mean, and provides parsimonious estimation for the covariance structure. Supplemental materials for the article are available online.