مقاله انگلیسی رایگان در مورد مدل ترکیبی از اثرات گاوسی معکوس – الزویر ۲۰۱۹

elsevier

 

مشخصات مقاله
ترجمه عنوان مقاله مدل ترکیبی از اثرات گاوسی معکوس تو در تو برای داده های طولی
عنوان انگلیسی مقاله Nested Inverse Gaussian Mixed-Effects Model for Longitudinal Data
انتشار مقاله سال ۲۰۱۹
تعداد صفحات مقاله انگلیسی ۵ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه الزویر
نوع نگارش مقاله
مقاله پژوهشی (Research Article)
مقاله بیس این مقاله بیس میباشد
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۱٫۲۵۷ در سال ۲۰۱۸
شاخص H_index ۴۷ در سال ۲۰۱۹
شاخص SJR ۰٫۲۸۱ در سال ۲۰۱۸
شناسه ISSN ۱۸۷۷-۰۵۰۹
مدل مفهومی دارد
پرسشنامه ندارد
متغیر ندارد
رفرنس دارد
رشته های مرتبط آمار، ریاضی
گرایش های مرتبط آمار ریاضی، آنالیز عددی
نوع ارائه مقاله
ژورنال و کنفرانس
مجله / کنفرانس علوم کامپیوتر پروسیدیا – Procedia Computer Science
دانشگاه  School of Mathematics and Statistics, Guizhou University of Finance and Economics, Guiyang, 550025, P.R. of China
کلمات کلیدی معادله برآوردی، داده های منحرف به راست، خانواده Tweedie ، اثرات تصادفی، ساختارهای لحظه ای
کلمات کلیدی انگلیسی Estimating equation; Right-skewed data; Tweedie family; Random effects; Moment structures
شناسه دیجیتال – doi
https://doi.org/10.1016/j.procs.2019.06.089
کد محصول  E12350
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Abstract

۱٫ Introduction

۲٫ Inverse Gaussian Mixed-Effects Model

۳٫ Estimating Model Parameters

۴٫ Framingham Cholesterol Data

۵٫ Conclusion

Acknowledgements

References

 

بخشی از متن مقاله:
Abstract

Following [7], we introduce the nested Inverse Gaussian Mixed-Effects model to analyze right-skewed and continuous longitudinal data. The nested random effects don’t follow a specific parameter distribution and rely only on the first two moments assumptions in our model. We apply the truly orthodox best linear unbiased predictor (BLUP) approach to estimate the nested random effects. We derive an optimal estimating equation for the regression parameters under the case of known BLUP of random effects. A real example for Framingham cholesterol data is presented to illustrate our proposed methodology.

Introduction

Skewed continuous longitudinal data frequently appear in many areas of research. Various skew normal models have been proposed to analyze skewed longitudinal data in recent years. For example, [5] for linear mixed models by substituting the skew-normal assumption of random effects for the normal assumption; [9] for Bayesian partial linear model; [1] for Skew-normal antedependence models; [8] for mixed effects model with the skew-normal and skew-t assumption of the distribution of responses and random effects. However, these approaches are generally computationally intensive. The inverse Gaussian regression model is a powerful method for analyzing right-skewed continuous data. Following [6] and [7], we consider a class of nested Inverse Gaussian Mixed-Effects Model for right-skewed and continuous longitudinal data. [7] introduced the nested Tweedie mixed model based on an orthodox BLUP approach. Similarly, this orthodox BLUP approach to our models is still computationally simple and efficient. In addition, our approach consolidates conditional and marginal modeling interpretations.

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *