文献

J-GLOBAL ID：201802242896116894   整理番号：18A0328805

モンテカルロサンプリングと適応Gauss求積法を用いた離散混合効果モデルのためのFisher情報行列の評価のための新しい方法【Powered by NICT】

A new method for evaluation of the Fisher information matrix for discrete mixed effect models using Monte Carlo sampling and adaptive Gaussian quadrature

著者 (4件)： Ueckert Sebastian (INSERM, IAME, UMR 1137, F-75018 Paris, France) ,  Ueckert Sebastian (Univ Paris Diderot, Sorbonne Paris Cite, F-75018 Paris, France) ,  Mentre France (INSERM, IAME, UMR 1137, F-75018 Paris, France) ,  Mentre France (Univ Paris Diderot, Sorbonne Paris Cite, F-75018 Paris, France)
資料名： Computational Statistics & Data Analysis  (Computational Statistics & Data Analysis)
巻： 111  ページ： 203-219  発行年： 2017年 
JST資料番号： H0911A  ISSN： 0167-9473  CODEN： CSDADW  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 離散混合効果モデルのための実験の設計は,Fisher情報行列(FIM)の閉形式表現が利用できない,最も最適性基準は依存することにより挑戦的である。これらモデルのfunctional independence measure(FIM)の計算のための既存の手法はすべての可能性の近似に基づいている。それは正確な条件付き尤度の誘導体に基づいており,これはデータとランダム効果以上誘導体を統合するためのモンテカルロ(MC)シミュレーションと適応Gauss求積(AGQ)を用いる新しい方法を提示した。法はRで実行され,同調パラメータの影響,FIM近似の精度,計算量に関して評価した。精度評価はシミュレーション研究で得られたRSEとMC/AGQ FIMから期待される相対標準誤差(RSE)を比較する四つの異なる離散データモデル(二成分,1つの数と1回の反復time to eventモデル)と三種類の推定アルゴリズムにより行った。MC/AGQ FIMからの結果は,周辺擬似尤度(MQL)近似FIMから期待されるRSEと比較した。比較は,調べたすべてのモデルに対するMC/AGQベースRSEと経験的RSEの間の密接な一致を示し,分散パラメータのためのMQL近似FIMよりMC/AGQの良好な性能をもたらした。MC/AGQ法も二成分結果を伴うモデルのためのグループ効果を検出するための期待される電力を計算するのによく適していることを証明した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *モンテカルロ法 ,  データモデル ,  シミュレーション ,  計算量 ,  近似法 ,  電力
準シソーラス用語： 推定アルゴリズム ,  標準誤差 ,  精度評価 ,  尤度 ,  最適性 ,  閉形式 ,  *Fisher情報行列 ,  *求積法 ,  *モンテカルロサンプリング , 【Automatic Indexing@JST】

著者キーワード (5件)： 最適設計 ,  Fisher情報行列 ,  一般化された線形混合モデル ,  非線形混合効果モデル ,  離散データ

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (6件)： モンテカルロサンプリング ,  適応 ,  求積法 ,  混合効果モデル ,  Fisher情報行列 ,  評価