کد مقاله کد نشریه سال انتشار مقاله انگلیسی ترجمه فارسی نسخه تمام متن
1151255 1489866 2016 7 صفحه PDF سفارش دهید دانلود رایگان
عنوان انگلیسی مقاله ISI
A weighted simulation-based estimator for incomplete longitudinal data models
ترجمه فارسی عنوان
برآوردگر مبتنی بر شبیه سازی وزن برای مدل های داده طولی ناقص
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
سفارش ترجمه تخصصی
با تضمین قیمت و کیفیت
کلمات کلیدی
تعمیم مدل مختلط خطی؛ مقیاس احتمال معکوس؛ داده های گم شده؛ برآوردگر مبتنی بر شبیه سازی
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات آمار و احتمال
چکیده انگلیسی

Recently, Li and Wang (2012a,b) and Wang (2007) have proposed a simulation-based estimator for generalized linear and nonlinear mixed models with complete longitudinal data. This estimator is constructed using the simulation-by-parts technique which leads to the unique feature that it is consistent even using finite number of simulated random points. This paper extends the methodology to deal with incomplete longitudinal data by applying the inverse probability weighting method for the monotone missing-at-random response data. The finite sample performance of this estimator is investigated through simulation studies and compared with the multiple imputation approach.

ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Statistics & Probability Letters - Volume 113, June 2016, Pages 16–22
نویسندگان
, ,
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
سفارش ترجمه تخصصی
با تضمین قیمت و کیفیت