非线性混合效应模型条件Akaike信息的数值评估
统计方法学
2024-11-22 v1 统计理论
统计理论
摘要
我们提出两种方法来评估非线性混合效应模型的条件Akaike信息（cAI），该模型对簇大小没有限制。方法1设计用于连续数据，包括固定效应和随机效应估计量关于观察值的导数公式。方法2与任何类型的观察值兼容，需要将随机效应的边际（或先验）分布建模为多元正态分布。仿真结果表明，方法1在高斯数据表现良好，但在偏斜的连续分布方面受限，而方法2在包括正态、Gamma、负二项和Tweedie等各种分布，以及灵活的链接函数下都能稳健地工作。基于我们的发现，我们建议将方法2作为面向非线性混合效应模型的分布稳健cAI准则，用于模型选择。
关键词
引用
@article{arxiv.2411.14185,
title = {A note on numerical evaluation of conditional Akaike information for nonlinear mixed-effects models},
author = {Nan Zheng and Noel Cadigan and James T. Thorson},
journal= {arXiv preprint arXiv:2411.14185},
year = {2024}
}