Recently, Li and Wang (2012a,b) and

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.

ผลลัพธ์ (ไทย) 1:

เมื่อเร็ว ๆ นี้ Li และวัง (2012a, b) วัง (2007) ได้นำเสนอ และการประมาณแบบจำลองสถานการณ์สำหรับทั่วไปเชิงเส้น และไม่เชิงเส้นแบบจำลองผสมกับข้อมูลระยะยาวที่สมบูรณ์ ประมาณนี้ถูกสร้างขึ้นโดยใช้เทคนิคจำลองโดยส่วนที่นำไปสู่คุณลักษณะเฉพาะที่จะสอดคล้องกันแม้จะใช้จำนวนจุดสุ่มจำลองจำกัด กระดาษนี้ครอบคลุมวิธีการในการจัดการกับข้อมูลระยะยาวที่ไม่สมบูรณ์ โดยการใช้น้ำหนักวิธีสำหรับข้อมูลการตอบสนองที่หายไปที่สุ่มทางเดียวน่าจะผกผัน ประสิทธิภาพอย่างแน่นอนของประมาณนี้คือตรวจสอบผ่านการศึกษาจำลอง และเปรียบเทียบกับวิธี imputation หลาย

ผลลัพธ์ (ไทย) 2:

เมื่อเร็ว ๆ นี้หลี่และวัง (2012a b) และวัง (2007) ได้เสนอให้มีการประมาณการการจำลองที่ใช้สำหรับการเชิงเส้นทั่วไปและรูปแบบไม่เชิงเส้นผสมกับข้อมูลระยะยาวที่สมบูรณ์ ประมาณนี้ถูกสร้างโดยใช้เทคนิคการจำลองโดยชิ้นส่วนที่นำไปสู่​​คุณลักษณะที่ไม่ซ้ำกันว่ามันมีความสอดคล้องแม้กระทั่งการใช้จำนวน จำกัด ของจุดสุ่มจำลอง กระดาษนี้จะขยายวิธีการในการจัดการกับข้อมูลระยะยาวที่ไ​​ม่สมบูรณ์โดยใช้ความน่าจะเป็นวิธีการที่ตรงกันข้ามน้ำหนักสำหรับเสียงเดียวหายไปที่สุ่มข้อมูลการตอบสนอง ผลการดำเนินงานของกลุ่มตัวอย่าง จำกัด ของประมาณการนี​​้จะตรวจสอบผ่านการศึกษาแบบจำลองและเมื่อเทียบกับวิธีการใส่ร้ายหลาย

ผลลัพธ์ (ไทย) 3:

เมื่อเร็วๆ นี้ และ วัง ( 2012a , B ) และ วัง ( 2007 ) ได้เสนอแบบจำลองโดยทั่วไปประมาณการสำหรับระบบสมการเชิงเส้นและไม่เชิงเส้นแบบผสมกับข้อมูลตามยาวที่สมบูรณ์ ตัวนี้จะถูกสร้างขึ้นโดยใช้ชิ้นส่วนจำลองด้วยเทคนิคที่นำไปสู่คุณลักษณะเฉพาะที่มันสอดคล้องกันแม้จะใช้จำนวนที่จำกัดของการสุ่มจุด กระดาษนี้จะขยายวิธีการจัดการกับโดยใช้วิธีความน่าจะเป็น ( ผกผันสำหรับรูปที่ขาดหายไปในการสุ่มข้อมูลระยะยาว ข้อมูลไม่สมบูรณ์ มีตัวอย่างผลงานของตัวประมาณนี้ ) ผ่านการศึกษาการจำลองและเมื่อเทียบกับหลายส่วนบุคคล )