Block empirical likelihood for longitudinal partially linear regression models

The authors propose a block empirical likelihood procedure to accommodate the within-group correlation in longitudinal partially linear regression models. This leads them to prove a nonparametric version of the Wilks theorem. In comparison with normal approximations, their method does not require a consistent estimator for the asymptotic covariance matrix, which makes it easier to conduct inference on the parametric component of the model. An application to a longitudinal study on fluctuations of progesterone level in a menstrual cycle is used to illustrate the procedure developed here. Une vraisemblance empirique par bloc pour les modeles de regression partiellernent lineaires longitudinaux Les auteurs proposent une procedure a base de vraisemblance empirique par bloc pour tenir compte de la correlation intra-groupe dans des modeles de regression partiellement lineaires longitudinaux. Ceci les ameneo a demontrer une version non parametrique du theoreme de Wilks. A la difference des approximations normales, leur methode ne fait pas appel a un estimateur convergent de la matrice des cova-riances asymptotiques, ce qui facilite l'inference concernant la composante parametrique du modele. Une etude longitudinale sur la fluctuation du niveau de progesterone pendant le cycle menstruel sert a illustrer le propos.