Bias Correction in Generalised Linear Mixed Models with a Single Component of Dispersion
单一离散度分量广义线性混合模型的偏差校正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：摘要涉及通用混合模型与二项观测，没有明确的选择行为、面板研究或其他所列领域依据。
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
单一离散度分量广义线性混合模型的偏差校正
- 研究问题
- 在采用典范连接函数、仅含一个额外变异来源的广义线性混合模型中，近似估计的偏差如何得到校正？
- 方法与思路
- 作者针对较小方差分量推导三类估计量的渐近偏差，涉及一阶、二阶 Laplace 展开及惩罚拟似然。
- 材料陈述的贡献
- 摘要称，易计算的校正因子可改善一阶方差分量估计，在小分量时表现接近二阶展开，并改善较大分量下的渐近表现。
- 阅读关注点
- 应核对小方差展开的条件、回归系数与方差分量的校正方式，以及配对二元和二项数据中的适用范围。
- 阅读边界
- 依据版本未注明的 OpenAlex 摘要；所述改善有特定模型和参数范围，摘要未说明具体误差界或一般有限样本保证。
原文摘要
General expressions are derived for the asymptotic biases in three approximate estimators of regression coefficients and variance component, for small values of the variance component, in generalised linear mixed models with canonical link function and a single source of extraneous variation. The estimators involve first and second order Laplace expansions of the integrated likelihood and a related procedure known as penalised quasi-likelihood. Numerical studies of a series of matched pairs of binary outcomes show that the first order estimators of the variance component are seriously biased. Easily computed correction factors produce satisfactory estimators of small variance components, comparable to those obtained with a second order Laplace expansion, and markedly improve the asymptotic performance for larger values. For a series of matched pairs of binomial observations, the variance correction factors rapidly approach one as the binomial denominators increase. These results greatly extend the range of parameter values for which the approximate estimation procedures have satisfactory asymptotic properties.