文献

J-GLOBAL ID：202202217026508957   整理番号：22A0587624

縦断的研究における条件付き混合GEEモデルに基づく効率推定を改善するための方法論【JST・京大機械翻訳】

A methodology for improving efficiency estimation based on conditional mix-GEE models in longitudinal studies

著者 (4件)： Xing Yanchun (School of Statistics, Jilin University of Finance and Economics, Changchun, Jilin, China) ,  Xing Yanchun (School of Mathematics and Statistics, Northeast Normal University, Changchun, Jilin, China) ,  Wenqing Ma (School of Mathematics and Statistics, Northeast Normal University, Changchun, Jilin, China) ,  Liang Chunhui (School of Mathematics and Statistics, Northeast Normal University, Changchun, Jilin, China)
資料名： Communications in Statistics - Simulation and Computation  (Communications in Statistics - Simulation and Computation)
巻： 51  号： 1  ページ： 254-265  発行年： 2022年 
JST資料番号： W5820A  ISSN： 0361-0918  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： ランダム効果の推定は,縦断的研究での主題特異的効果を反映するので,正確に重要である。本論文では,条件付き混合GEEモデルに基づく固定効果およびランダム効果推定の効率を改善するための新しい方法論を開発した。提案手法の利点は,時間にわたる連続相関がランダム効果の推定に順応することである。一方,ランダム効果の正規性仮定は必要でない。さらに,いくつかの混合割合の推定に従って,真の作業相関マトリックスを同定できた。提案手法の特徴は,回帰パラメータの推定量が,作業相関構造が正しく特定されない場合でも,CCQIF,cmix-GEEおよびCQIFアプローチよりも効率的であることである。理論的に,提案手法は,縦データから相関情報を無視するランダム効果推定器よりも,一貫性のあるより効果的な推定子を生成することを示した。固定効果とランダム効果推定子の両方に対する漸近結果を確立した。シミュレーション研究により,提案した方法の性能を確認した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  情報 ,  *推定 ,  相関 ,  混合比 ,  *モデル ,  パラメータ推定 ,  効果 ,  推定量
準シソーラス用語： *縦断的研究 ,  固定効果 , 【Automatic Indexing@JST】

著者キーワード (4件)： 条件付き混合GEE ,  ランダム効果 ,  二次推論関数 ,  長期的データ

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (3件)： 研究 ,  推定 ,  方法論