Resumen

En este documento, consideramos un modelo de coeficientes variables de un solo índice con aplicación a datos longitudinales. Con el fin de acomodar la correlación dentro de los grupos, aplicamos el procedimiento de verosimilitud empírica por bloques al modelo de coeficientes variables de un solo índice longitudinal, y demostramos una versión no paramétrica del teorema de Wilks que se puede utilizar para construir la región de confianza de verosimilitud empírica por bloques con una probabilidad de cobertura asintóticamente correcta para el componente paramétrico. En comparación con las aproximaciones normales, el método propuesto no requiere un estimador consistente para la matriz de covarianza asintótica, lo que facilita la inferencia para el componente paramétrico del modelo. Las simulaciones demuestran cómo funciona el método propuesto.

• Materias:Modelado matemático Modelo de red neuronal Tasa de convergencia Aritmética Ondículas libres
• Subjects:Mathematical modeling Neural network model Convergence rate Arithmetic Free wavelets
• Palabras claves:Papel; Modelo de coeficiente variable de un solo índice; Datos longitudinales; Procedimiento de verosimilitud empírica de bloque; Teorema de Wilks; Simulaciones
• Keywords:Paper; Single-index varying-coefficient model; Longitudinal data; Block empirical likelihood procedure; Wilks theorem; Simulations