Modified weights based generalized quasilikelihood inferences in incomplete longitudinal binary models
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract In an incomplete longitudinal set up, a small number of repeated responses subject to an appropriate missing mechanism along with a set of covariates are collected from a large number of independent individuals over a small period of time. In this set up, the regression effects of the covariates are routinely estimated by solving certain inverse weights based generalized estimating equations. These inverse weights are introduced to make the estimating equation unbiased so that a consistent estimate of the regression parameter vector may be obtained. In the existing studies, these weights are in general formulated conditional on the past responses. Since the past responses follow a correlation structure, the present study reveals that if the longitudinal data subject to missing mechanism are generated by accommodating the longitudinal correlation structure, the conditional weights based on past correlated responses may yield biased and hence inconsistent regression estimates. The bias appears to get larger as the correlation increases. As a remedy, in this paper the authors proposed a modification to the formulation of the existing weights so that weights are not affected directly or indirectly by the correlations. They have then exploited these modified weights to form a weighted generalized quasi‐likelihood estimating equation that yields unbiased and hence consistent estimates for the regression effects irrespective of the magnitude of correlation. The efficiencies of the regression estimates follow due to the use of the true correlation structure as a separate longitudinal weights matrix in the estimating equation. The Canadian Journal of Statistics © 2010 Statistical Society of Canada
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle