Nichparametrische, Semiparametrische und SUR-Modelle für stetige Longitudinaldaten
Beschreibung
vor 18 Jahren
Die Arbeit beschäftigt sich mit (Pseudo)-Likelihood-basierten
Schätz-Methoden zur Analyse von marginalen Regressions-Modellen für
Longitudinaldaten mit stetigem Response. Es werden drei neuartige
Modelle entwickelt, die aufeinander aufbauen. Zunächst wird ein
Regressions-Modell entwickelt, das neben einem nichtparametrischen
Term auch multiplikative zeitabhängige Parameter und
Varying-Coefficients-Terme beinhaltet. Im Anschluss wird das Modell
um einen parametrischen Term erweitert, so dass ein
semiparametrisches Modell entsteht. Desweiteren wird das Modell auf
den Bereich der 'Seemingly-Unrelated-Regression'-Modelle (SUR)
ausgeweitet.
Schätz-Methoden zur Analyse von marginalen Regressions-Modellen für
Longitudinaldaten mit stetigem Response. Es werden drei neuartige
Modelle entwickelt, die aufeinander aufbauen. Zunächst wird ein
Regressions-Modell entwickelt, das neben einem nichtparametrischen
Term auch multiplikative zeitabhängige Parameter und
Varying-Coefficients-Terme beinhaltet. Im Anschluss wird das Modell
um einen parametrischen Term erweitert, so dass ein
semiparametrisches Modell entsteht. Desweiteren wird das Modell auf
den Bereich der 'Seemingly-Unrelated-Regression'-Modelle (SUR)
ausgeweitet.
Weitere Episoden
vor 11 Jahren
vor 11 Jahren
vor 11 Jahren
In Podcasts werben
Kommentare (0)