Model diagnostic tests for selecting informative correlation structure in correlated data
相关数据中信息性相关结构选择的模型诊断检验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：摘要明确研究纵向数据中的相关结构和广义矩估计，直接涉及重复观测的面板方法。
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
相关数据中信息性相关结构选择的模型诊断检验
- 研究问题
- 纵向数据包含多种相关来源时，如何判断哪些相关结构提供有用信息，并选择应纳入估计的无偏估计函数？
- 方法与思路
- 作者在广义矩框架中将相关模型构建转化为估计函数选择，并提出卡方检验筛选具有信息性的无偏估计函数。
- 材料陈述的贡献
- 摘要称方法可识别值得纳入的相关来源，也可用于确定广义估计方程方法中的最优工作相关结构。
- 阅读关注点
- 应核对信息性的判定标准、卡方近似成立条件，以及所称最优工作相关结构对应的目标和候选集合。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；摘要未说明检验自由度、具体条件或选择后的推断性质，不能推断刊本变化。
原文摘要
In the generalized method of moments approach to longitudinal data analysis, unbiased estimating functions can be constructed to incorporate both the marginal mean and the correlation structure of the data. Increasing the number of parameters in the correlation structure corresponds to increasing the number of estimating functions. Thus, building a correlation model is equivalent to selecting estimating functions. This paper proposes a chi-squared test to choose informative unbiased estimating functions. We show that this methodology is useful for identifying which source of correlation it is important to incorporate when there are multiple possible sources of correlation. This method can also be applied to determine the optimal working correlation for the generalized estimating equation approach.