Get access

Nonparametric estimation of mean and covariance structures for longitudinal data

Authors


Abstract

In this article we propose a novel nonparametric regression method to model the mean and covariance structures for longitudinal data. A modification of local linear smoothing estimation techniques is used to estimate the parameters and unknown functions in the model. Theoretical properties including uniform consistency and asymptotic normality are studied under certain mild conditions. Simulation studies are carried out to evaluate the efficacy of the proposed method, and real data analysis is provided for illustration. The Canadian Journal of Statistics 41: 557–574; 2013 © 2013 Statistical Society of Canada

Résumé

Dans cet article, les auteurs proposent une méthode de régression non paramétrique novatrice permettant de modéliser les structures de la moyenne et de la covariance pour des données longitudinales. Ils adaptent une technique d'estimation par lissage linéaire local pour estimer les paramètres et les fonctions inconnus du modèle. Ils en étudient les propriétés théoriques, y compris la convergence uniforme et la normalité asymptotique, sous des conditions peu restrictives. Les auteurs présentent des études de simulation afin d’évaluer l'efficacité de leur méthode, qu'ils illustrent au moyen d'une analyse de données réelles. La revue canadienne de statistique 41: 557–574; 2013 © 2013 Société statistique du Canada

Ancillary