论文部分内容阅读
在纵向数据分析中，若要运用广义估计方程的方法有效估计均值参数，同时对均值和协方差建模是一个非常普遍的途径。在这篇文章中，我们提出了一种新的回归模型来对协方差结构进行参数化。我们引入一种新的且具有良好统计意义解释的Cholesky分解，其中两个分解因子是对角元为1的下三角阵，其非对角元素是滑动平均系数，另一个因子是对角元为误差项方差的对角阵，而这些参数都可以用协变量的线性函数来建模。我们可以证明由此得到的广义估计方程估计都具有相合性与渐近正态性。一组真实数据分析以及数值模拟研究也都验证了我们提出的估计方法能够高效估计均值参数和协方差结构，并且比以往的一些方法节省了很多工作量。