罕见变异关联分析中的统计方法研究进展

二代测序数据的持续增多以及全基因组关联分析存在着只关注常见变异对表型影响的缺陷,使得研究人员开始考虑罕见变异对表型表达的影响。近年来,涉及罕见变异关联分析的统计方法研究成为一个活跃的领域,大批统计检验方法被相继提出。然而,大多数方法没有得到全面详细的比较和分析。因此,缺乏对现有方法的评价以及对它们如何使用的指导。本文对该领域的一些具有代表性的方法做一全面的综述,并介绍一些最新的研究进展。     

在非线性回归模型中误差为AR(2)的相关性检验

本文讨论了在非线性回归模型中误差为AR(2)的相关性检验，得到了误差相关性检验的似然比检验统计量、Score检验统计量．对感兴趣参数和多余参数，利用Cox and Reid(1987)提出的正交化方法，给出了修正的似然比检验统计量和Score检验统计量．推广了胡跃清，韦博成(1994)讨论的在非线性回归模型中误差为AR(1)相关性检验的结果．     

误差非线性回归模型基于几何方法的若干二阶渐近性质

该文用微分几何方法对AR(q)误差非线性回归模型若干二 阶渐近性质进行了研究. 作者基于Fisher信息阵在欧氏空间定义了内积，并在期望参数空间建立了几何结构. 基于上述几何结构，给出了AR(q)误差非线性回归模型若干二阶渐近性质的曲率表示. 将前人的一些结果推广到AR(q)误差非线性回归模型.      

TESTING OF CORRELATION AND HETEROSCEDASTICITY IN NONLINEAR REGRESSION MODELS WITH DBL（p,q, 1） RANDOM ERRORS

Chaos theory has taught us that a system which has both nonlinearity and random input will most likely produce irregular data. If random errors are irregular data, then random error process will raise nonlinearity （Kantz and Schreiber （1997））. Tsai （1986） introduced a composite test for autocorrelation and heteroscedasticity in linear models with AR（1） errors. Liu （2003） introduced a composite test for correlation and heteroscedasticity in nonlinear models with DBL（p, 0, 1） errors. Therefore, the important problems in regression model axe detections of bilinearity, correlation and heteroscedasticity. In this article, the authors discuss more general case of nonlinear models with DBL（p, q, 1） random errors by score test. Several statistics for the test of bilinearity, correlation, and heteroscedasticity are obtained, and expressed in simple matrix formulas. The results of regression models with linear errors are extended to those with bilinear errors. The simulation study is carried out to investigate the powers of the test statistics. All results of this article extend and develop results of Tsai （1986）, Wei, et al （1995）, and Liu, et al （2003）.     

Beta回归模型的影响诊断

应用曲率方法研究了Beta回归模型的局部影响分析问题,分别在加权扰动、响应变量扰动和自变量扰动模式下得到了相应的影响诊断统计量.同时还讨论了模型中散度参数的齐性检验问题,得到了Score检验统计量.最后通过具体的数值实例说明了所得统计量的有效性.     

具有双线性BL(1,1,1,1)误差的非线性回归模型相关性和方差齐性的检验

在时间序列回归模型分析中,相关性和方差齐性的检验是一个很基本的问题.本文讨论了具有双线性BL(1,1,1,1)误差的非线性回归模型的相关性和方差齐性的检验问题, 用Score检验方法给出了双线性项检验、相关性检验、方差齐性检验、以及相关性和方差齐性同时检验的检验统计量.推广和发展了具有线性序列误差项回归模型的结果.本文还用数值实例说明了检验方法的实用价值.     

具有AR(1)误差的线性随机效应模型中方差齐性和自相关性的检验

在回归分析中，方差齐性是一个很基本的假设．本文对具有AR(1)误差的线性随机效应模型，研究了方差齐性和自相关性的检验问题．我们分别讨论了随机误差异方差、随机效应异方差、多元异方差以及自相关性的检验问题，并用score检验方法给出了三种方差齐性和自相关性的检验统计量．随机模拟的结果表明，当样本容量较大时，检验的功效较好．本文还给出一个数值例子说明检验方法的实用性．另外，模型的结果也可以推广到非线性情形．     

连锁分析的非参数方法研究进展

连锁分析是基因定位研究中广泛采用的一种方法。按分析方法的不同,大致分为参数&非参数的两类。本文拟就连锁分析的非参数方法研究进展做一简要介绍。     

均值方差结构模型的渐近稳健推断(英文)

均值方差模型广泛应用于行为、教育、医学、社会和心理学的研究.经典的极大似然估计对于异常点和分布扰动易受影响.本文基于目标函数最小化给出稳健估计,并基于稳健偏差提出模型拟合.     

CONFIDENCE REGIONS IN TERMS OF STATISTICAL CURVATURE FOR AR（q） NONLINEAR REGRESSION MODELS

This paper constructs a set of confidence regions of parameters in terms of statistical curvatures for AR(q) nonlinear regression models. The geometric frameworks are proposed for the model. Then several confidence regions for parameters and parameter subsets in terms of statistical curvatures are given based on the likelihood ratio statistics and score statistics. Several previous results,, such as [1] and [2] are extended to AR(q)nonlinear regression models.