Inference for High-Dimensional Linear Mixed-Effects Models: A Quasi-Likelihood Approach
高维线性混合效应模型的推断：拟似然方法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：摘要研究一般聚类或重复测量混合模型，未明确提出面板数据设计或其他所列计量细分问题。
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
高维线性混合效应模型的推断：拟似然方法
- 研究问题
- 作者研究固定效应高维、随机效应维度和簇规模也可能很大时，如何在混合效应模型中估计参数并开展有效统计推断。
- 方法与思路
- 作者采用拟似然方法处理高维固定效应，构造无需依赖方差分量结构信息的估计与推断，并进一步研究方差分量估计。
- 材料陈述的贡献
- 摘要称给出了固定效应的速率最优估计量与有效推断程序，算法易实施且计算较快，并通过模拟和小鼠遗传研究评估。
- 阅读关注点
- 应核对簇间与簇内依赖条件、固定效应稀疏性要求、方差分量结构信息的含义，以及簇规模增长时的推断有效性。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；速率最优性的参数空间和推断条件未说明，不依赖结构信息也不意味着方差完全任意。
原文摘要
Linear mixed-effects models are widely used in analyzing clustered or repeated measures data. We propose a quasi-likelihood approach for estimation and inference of the unknown parameters in linear mixed-effects models with high-dimensional fixed effects. The proposed method is applicable to general settings where the dimension of the random effects and the cluster sizes are possibly large. Regarding the fixed effects, we provide rate optimal estimators and valid inference procedures that do not rely on the structural information of the variance components. We also study the estimation of variance components with high-dimensional fixed effects in general settings. The algorithms are easy to implement and computationally fast. The proposed methods are assessed in various simulation settings and are applied to a real study regarding the associations between body mass index and genetic polymorphic markers in a heterogeneous stock mice population.