Heteroscedastic replicated measurement error models under asymmetric heavy-tailed distributions
Heteroscedastic replicated measurement error models under asymmetric heavy-tailed distributions
复制标题
非对称重尾分布下的异方差重复测量误差模型
DOI：
10.1007/s00180-017-0720-8
复制
发表时间：
2018-03
期刊：
影响因子：
--
通讯作者：
Shi Jian Qing
中科院分区：
文献类型：
--
作者：
Cao Chunzheng;Chen Mengqian;Wang Yahui;Shi Jian Qing
我们提出了一种基于一类偏正态分布的尺度混合的异方差复制测量误差模型，该模型允许测量误差的方差在受试者之间变化。我们开发了EM算法来计算有或没有方程误差的模型的最大似然估计。应用经验贝叶斯方法估计真实协变量并预测响应。仿真研究表明，所提出的模型能够提供可靠的结果，并且不受异常值和分布不规范的过度影响。该方法还应用于植物根系分解的实际数据分析。
We propose a heteroscedastic replicated measurement error model based on the class of scale mixtures of skew-normal distributions, which allows the variances of measurement errors to vary across subjects. We develop EM algorithms to calculate maximum likelihood estimates for the model with or without equation error. An empirical Bayes approach is applied to estimate the true covariate and predict the response. Simulation studies show that the proposed models can provide reliable results and the inference is not unduly affected by outliers and distribution misspecification. The method has also been used to analyze a real data of plant root decomposition.
登录
查看更多内容
影响因子：
0.6
作者：
M. Castro;M. Galea
通讯作者：
M. Castro;M. Galea
影响因子：
6.1
作者：
O. Reiersøl
通讯作者：
O. Reiersøl
DOI：
10.1080/10618600.1993.10474606
发表时间：
1993-06
影响因子：
2.4
作者：
K. Lange;J. Sinsheimer
通讯作者：
K. Lange;J. Sinsheimer
影响因子：
3.7
作者：
D. Hall
通讯作者：
D. Hall
影响因子：
2.7
作者：
J. Raich;A. Russell;O. Valverde‐Barrantes
通讯作者：
J. Raich;A. Russell;O. Valverde‐Barrantes