Parameter estimation of Poisson generalized linear mixed models based on three different statistical principles : a simulation study
Casals, Martí (Universitat de Barcelona)
Langohr, Klaus (Universitat Politècnica de Catalunya. Departament d'Estadística i Investigació Operativa)
Carrasco, Josep Lluís (Universitat de Barcelona)
Rönnegård, Lars (Dalarna University (Falun, Suècia). Statistics Unit)

Fecha: 2015
Resumen: Generalized linear mixed models are flexible tools for modeling non-normal data and are usefulfor accommodating overdispersion in Poisson regression models with random effects. Theirmain difficulty resides in the parameter estimation because there is no analytic solution for themaximization of the marginal likelihood. Many methods have been proposed for this purpose andmany of them are implemented in software packages. The purpose of this study is to comparethe performance of three different statistical principles -marginal likelihood, extended likelihood,Bayesian analysis - via simulation studies. Real data on contact wrestling are used for illustration.
Derechos: Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades. Creative Commons
Lengua: Anglès
Documento: Article ; recerca ; Versió publicada
Materia: Estimation methods ; Overdispersion ; Poisson generalized linear mixed models ; Simulation study ; Statistical principles ; Sport injuries
Publicado en: SORT : statistics and operations research transactions, Vol. 39 Núm. 2 (July-December 2015) , p. 281-308 (Articles) , ISSN 2013-8830

Adreça alternativa: https://raco.cat/index.php/SORT/article/view/302264


28 p, 328.9 KB

El registro aparece en las colecciones:
Artículos > Artículos publicados > SORT
Artículos > Artículos de investigación

 Registro creado el 2015-12-23, última modificación el 2022-02-13



   Favorit i Compartir