变系数混合模型的光滑样条推断

为了拟合纵向数据和其他相关数据,本文提出了变系数混合效应模型(VCMM).该模型运用变系数线性部分来表示协变量对响应变量的影响,而用随机效应来描述纵向数据组内的相关性, 因此,该模型允许协变量和响应变量之间存在十分灵活的泛函关系.文中运用光滑样条来估计均值部分的系数函数,而用限制最大似然的方法同时估计出光滑参数和方差成分,我们还得到了所提估计的计算方法.大量的模拟研究表明对于具有各种协方差结构的变系数混合效应模型,运用本文所提出的方法都能够十分有效地估计出模型中的系数函数和方差成分.     

对部分线性模型用惩罚最小二乘估计时最优光滑化的注记

部分线性模型也就是响应变量关于一个或者多个协变量是线性的, 但对于其他的协变量是非线性的关系\bd 对于部分线性模型中的参数和非参数部分的估计方法, 惩罚最小二乘估计是重要的估计方法之一\bd 对于这种估计方法, 广义交叉验证法提供了一种确定光滑参数的方法\bd 但是, 在部分线性模型中, 用广义交叉验证法确定光滑参数的最优性还没有被证明\bd 本文证明了利用惩罚最小二乘估计对于部分线性模型估计时, 用广义交叉验证法选择光滑参数的最优性\bd 通过模拟验证了本文中所提出的用广义交叉验证法选择光滑参数具有很好的效果, 同时, 本文在模拟部分比较了广义交叉验证和最小二乘交叉验证的优劣.     

线性混合效应模型中方差分量的估计

本文首先研究了含三个方差分量的线性混合随机效应模型改进的ANOVA估计, 此估计在均方损失下一致优于ANOVA估计. 由于这些方差估计取负值的概率大于零, 对得到的估计在某非负点采用截尾的方法得到非负估计是一种常用的方法. 对文章中提出的估计, 研究了此估计在某非负点截尾之后得到的估计在均方损失意义下优于截尾之前的估计的充分条件, 同时给出ANOVA估计在截尾之后优于它本身的充分条件, 而且将得到的结论推广到更一般的线性混合随机效应模型.     

头花蓼对土壤中锑的累积特征及健康风险评价

为有效控制头花蓼重金属污染问题、保障头花蓼药用安全提供科学依据,通过盆栽试验,研究不同浓度锑(Sb)污染土壤中头花蓼(Polygonum capitatum)对Sb的吸收累积特征及头花蓼中Sb对人体的健康风险影响,并预测头花蓼食用量在人体可接受范围内时头花蓼种植土壤中Sb的安全限值。结果表明,随着土壤中Sb含量增加,头花蓼生物量及耐性系数减小,头花蓼各器官Sb含量增加,且表现为根＞叶＞茎。头花蓼根部、地上部对Sb的富集系数分别为0.53~1.76(平均1.32)、0.13~0.36(平均0.23),且均在土壤中Sb处理量为200 mg/kg时达到最大值;头花蓼对Sb的转运系数为0.13~0.24(平均0.18),表明头花蓼将Sb从根部转运到地上部的能力较低。在Sb浓度低于2.09 mg/kg的土壤中种植头花蓼,头花蓼根、茎、叶各部位均可安全食用;但土壤中Sb浓度高于8.72 mg/kg时,头花蓼各部位食用均存在安全风险。     

非参数混合效应模型中的删除诊断

本文考虑了非参数混合模型中的子集删除诊断．在非参数混合模型的框架下,得到了用两种方法所得非参数元素估计的系数矩阵相等,同时用两种方法得到的随机效应预测的系数矩阵也相同．在此等价性的基础上,我们将现有文献中对线性模型的11删除=替代”准则推广至非参数混合模型场合．不仅得到了固定效应的删除诊断公式,还得到了随机效应的删除诊断公式．此外,我们通过模拟数据分析和真实数据分析说明了我们方法的有效性．