• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Quality Control and Applied Statistics >Maximum likelihood estimation of regression parameters with spatially dependent discrete data
【24h】

Maximum likelihood estimation of regression parameters with spatially dependent discrete data

机译：具有空间相关离散数据的回归参数的最大似然估计

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

This model employs a spatial Gaussian copula, bringing the discrete distribution into the Gaussian geo statistical framework, where correlation completely describes dependence. The model yields a log-likelihood for regression parameters that can be maximized using established numerical methods. The proposed procedure is used to estimate the relation between Japanese beetle grub counts and soil organic matter. These data exhibit residual correlation well above lognormal-Poisson correlation limit, so that model is not appropriate. Simulations demonstrate that negative bias in generalized estimating equation (GEE) standard errors leads to nominal 95% confidence converge less than 62% for moderate or strong spatial dependence, whereas ML convergence remains above 82%. (35 refs. )
机译：该模型采用空间高斯关联，将离散分布引入高斯地理统计框架，其中相关性完全描述了依赖性。该模型为回归参数产生了对数似然性，可以使用已建立的数值方法将其最大化。拟议的程序用于估计日本甲虫et计数与土壤有机质之间的关系。这些数据表现出的残差相关性远高于对数正态-泊松相关性极限，因此该模型不合适。仿真表明，对于中等或强空间依赖性，广义估计方程（GEE）标准误差中的负偏差导致标称95％置信度收敛小于62％，而ML收敛度保持在82％以上。 （35篇）

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