کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
415716 | 681228 | 2006 | 14 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Longitudinal data model selection
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
نظریه محاسباتی و ریاضیات
پیش نمایش صفحه اول مقاله
![عکس صفحه اول مقاله: Longitudinal data model selection Longitudinal data model selection](/preview/png/415716.png)
چکیده انگلیسی
In longitudinal data with correlated errors, we apply the likelihood and residual likelihood approaches to obtain the corrected Akaike information criterion (AICc) and the residual information criterion (RIC), respectively. Simulation studies show that AICc outperforms the Akaike information criterion (AIC) when the numbers of subjects and repeated observations are small, and RIC is superior to the Bayesian information criterion (BIC) when the signal-to-noise ratio is moderate to large. We illustrate the practical use of these selection criteria with an empirical example for modeling the serum cholesterol measured at six time occasions.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computational Statistics & Data Analysis - Volume 50, Issue 11, 20 July 2006, Pages 3053–3066
Journal: Computational Statistics & Data Analysis - Volume 50, Issue 11, 20 July 2006, Pages 3053–3066
نویسندگان
Rahman Azari, Lexin Li, Chih-Ling Tsai,