• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Statistica neerlandica >Analysis of marginally specified semi-nonparametric models for clustered binary data
【24h】

Analysis of marginally specified semi-nonparametric models for clustered binary data

机译：聚类二进制数据的边际指定半非参数模型分析

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Generalized linear mixed models are widely used for analyzing clustered data. If the primary interest is in regression parameters, one can proceed alternatively, through the marginal mean model approach. In the present study, a joint model consisting of a marginal mean model and a cluster-specific conditional mean model is considered. This model is useful when both time-independent and time-dependent covariates are available. Furthermore our model is semi-parametric, as we assume a flexible, smooth semi-nonparametric density of the cluster-specific effects. This semi-nonparametric density-based approach outperforms the approach based on normality assumption with respect to some important features of 'between-cluster variation'. We employ a full likelihood-based approach and apply the Monte Carlo EM algorithm to analyze the model. A simulation study is carried out to demonstrate the consistency of the approach. Finally, we apply this to a study of long-term illness data.
机译：广义线性混合模型被广泛用于分析聚类数据。如果主要关注回归参数，则可以通过边际均值模型方法进行。在本研究中，考虑了由边际均值模型和特定于聚类的条件均值模型组成的联合模型。当与时间无关和与时间有关的协变量均可用时，此模型很有用。此外，我们的模型是半参数的，因为我们假设特定于集群的效果具有灵活，平滑的半非参数密度。对于“集群间差异”的一些重要特征，这种基于半参数的基于密度的方法优于基于正态性假设的方法。我们采用基于完全似然的方法，并应用Monte Carlo EM算法分析模型。进行了仿真研究以证明该方法的一致性。最后，我们将其应用于长期疾病数据的研究。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号