连续型半参数广义线性纵向数据模型的方差成分检验

回归模型的方差成分检验是一个非常重要的问题.该文针对离差参数的变异, 随机效应的影响及两者同时具有的三种情形, 研究了基于纵向数据的连续型半参数广义线性模型的方差成分检验, 得到了Score检验统计量, 最后通过计算机模拟验证了该文所提出的方法的有效性.     

半参数随机效应模型的异方差检验

在许多实际问题中,检验观察数据是否出现异方差性是一个相当感兴趣的问题.该文研究了半参数随机效应模型的异方差检验问题.基于Lin(1997)的方法,得到了检验方差成分都为零的Score检验统计量.通过随机模拟和实际数值例子,论证了方法的有效性.利用现有的统计软件,容易实现该文所提出的检验方法.     

离散型广义非线性纵向数据模型中偏离名义离差的检验及其功效模拟

离散型广义非线性模型包括Poisson,二项,负二项模型.本文讨论离散型广义非线性纵向数据模型中偏离名义离差的检验问题,得到了检验的score统计量,并利用MonteCarlo方法研究了检验统计量的性质.最后,利用杀虫剂数据说明了检验方法的应用.     

半参数回归模型的异方差统计分析

在回归分析中，方差齐性的假设是一个普遍关心的问题．在参数和非参数回归模型中，关于异方差检验问题已经有很多的研究，见(【1】，【4】，【7】)．本文研究了半参数回归模型的异方差检验问题，得到了方差齐性检验的SCORE统计量，证明了该统计量的渐近x^2性质，最后给出计算机模拟和实际例子，推广和发展了Eubank和Thomas(1993)，韦博成(1995)的工作．     

非线性纵向数据模型中自相关性和随机效应的存在性检验

刻画纵向数据协方差结构有三种可能因素 ,即序列相关 (特别是一阶自相关 )、随机效应和常规的随机误差 (Diggleetal,2 0 0 2 ) .本文研究非线性纵向数据模型的自相关性和随机效应存在性的单个和联合检验 ,得到了检验的score统计量 ,并利用血浆药物渗透数据 (Davidian&Gilinan ,1 995)说明检验方法的应用 .     

纵向数据半参数混合效应模型中的估计方法

本文将Tao等(1999)提出的线性混合效应模型推广为半参数混合效应模型,给出了模型参数、回归函数和随机效应密度的估计,并研究了估计的渐近性质.统计模拟表明我们给出的估计方法是可行的.     

随机权函数半参数回归模型的导方差统计分析

在回归分析中,观测值的方差齐性只是一个基本的假定,在参数、半参数和非参数回归模型中关于异方差检验和估计问题已有很多研究.本文在冉昊和朱忠义(2004)讨论的半参数回归模型的基础上,用随机参数方法,讨论随机权函数半参数回归模型中的异方差检验问题,得到了方差齐性检验Score统计量,同时,当半参数模型存在异方差时,本文还给出了估计方差的方法.     

纵向数据半参数回归模型的最小二乘局部线性估计

本文考虑纵向数据半参数回归模型:Yij=XiTjβ+g(Tij)+iεj,基于最小二乘法和局部线性拟合的方法建立了模型中参数分量β,回归函数g(.)和误差方差σ2的估计,在适当条件下给出了估计量的相合性,通过模拟研究说明了该方法在有限样本情况下具有良好的性质。     

半参数广义线性随机效应模型的影响分析

该文系统研究了半参数广义线性随机效应模型的统计诊断与影响分析方法, 证明了数据删除模型和均值漂移模型的等价性定理, 给出了广义Cook距离等诊断统计量及异常点的Score检验统计量并研究了该模型的局部影响分析,分别对加权扰动模型, 响应变量扰动模型得到了影响距阵的计算公式, 最后通过一个实例验证了文中给出诊断方法的有效性.     

基于M估计的纵向数据线性混合模型中方差的齐性检验

本文对纵向数据的线性混合模型,用Fisher得分法得到了参数的M估计(稳健估计),给出了其渐近性质,研究了M估计下异方差的Score检验问题,并对检验统计量的功效进行了模拟,最后通过葡萄糖数据的实例说明了本文方法的有效性。     

部分线性混合效应模型中方差分量的稳健估计

部分线性混合效应模型中方差分量是我们感兴趣的参数, 文献中已经给出许多估计方法. 但是其中很多方法都可以归结为广义估计方程方法(GEE), 如: 最大似然估计(MLE), 约束最大似然估计(REMLE)等, 而GEE方法对异常点很敏感. 本文提出一组关于部分线性混合效应模型(PLMM)中均值和方差分量的稳健估计方程, 对均值和方差分量同时进行稳健估计; 并进行了随机模拟考察所提出稳健估计的有效性, 最后通过两个实例, 说明了所提方法的可行性.     

On Testing Variance Components in Unbalanced Mixed Linear Model

The paper presents some approximate and exact tests for testing variance components in general unbalanced mixed linear model. It extends the results presented by Seifert (1992) with emphasis on the computational aspects of the problem.     

Posterior Simulation in the Generalized Linear Mixed Model With Semiparametric Random Effects

Generalized linear mixed models with semiparametric random effects are useful in a wide variety of Bayesian applications. When the random effects arise from a mixture of Dirichlet process (MDP) model with normal base measure, Gibbs samplingalgorithms based on the Pólya urn scheme are often used to simulate posterior draws in conjugate models (essentially, linear regression models and models for binary outcomes). In the nonconjugate case, some common problems associated with existing simulation algorithms include convergence and mixing difficulties.

This article proposes an algorithm for MDP models with exponential family likelihoods and normal base measures. The algorithm proceeds by making a Laplace approximation to the likelihood function, thereby matching the proposal with that of the Gibbs sampler. The proposal is accepted or rejected via a Metropolis-Hastings step. For conjugate MDP models, the algorithm is identical to the Gibbs sampler. The performance of the technique is investigated using a Poisson regression model with semi-parametric random effects. The algorithm performs efficiently and reliably, even in problems where large-sample results do not guarantee the success of the Laplace approximation. This is demonstrated by a simulation study where most of the count data consist of small numbers. The technique is associated with substantial benefits relative to existing methods, both in terms of convergence properties and computational cost.     

多元线性混合模型方差分量矩阵的非负估计

本文研究了带有两个方差分量矩阵的多元线性混合模型方差分量矩阵的估计问题.对于平衡模型,给出了基于谱分解估计的一个方差分量矩阵的非负估计类.对于非平衡模型,给出了方差分量矩阵的广义谱分解估计类,讨论了与ANOVA估计等价的充要条件.同时,在广义谱分解估计的基础上给出了一种非负估计类,并讨论了其优良性.当具有较小二次风险的非负估计不存在时,从估计为非负的概率的角度考虑,将Kelly和Mathew(1993)提出的构造具有更小取负值概率的估计类的方法推广到本文的多元模型下,给出了较谱分解估计相比有更小取负值概率和更小风险的估计类.最后,模拟研究和实例分析表明文中理论结果有很好的表现.     

Robust Estimation in Partial Linear Mixed Model for Longitudinal Data

In this article, robust generalized estimating equation for the analysis of partial linear mixed model for longitudinal data is used. The authors approximate the nonparametric function by a regression spline. Under some regular conditions, the asymptotic properties of the estimators are obtained. To avoid the computation of high-dimensional integral, a robust Monte Carlo Newton-Raphson algorithm is used. Some simulations are carried out to study the performance of the proposed robust estimators. In addition, the authors also study the robustness and the efficiency of the proposed estimators by simulation. Finally, two real longitudinal data sets are analyzed.     

线性混合模型中方差分量的广义推断

本文考虑了线性混合模型中方差分量的假设检验和区间估计问题.基于广义P-值和广义置信区间的概念,构造了对应于随机效应的单个方差分量的精确检验和置信区间.所构造的广义p-值和广义置信区间是最小充分统计量的函数.对于两个独立线性混合模型中对应于随机效应的方差分量的比较,建立了精确检验和置信区间.进-步,研究了所给检验和置信区间的统计性质,给出了这些检验方法与文献中已有方法的功效比较的模拟结果.模拟结果表明,新检验在功效方面有显著的改进.最后,通过-个实例来演示本文方怯.     

基于纵向数据的半参数变系数部分线性回归模型

纵向数据是数理统计研究中的复杂数据类型之一0,在生物、医学和经济学中具有广泛的应用．在实际中经常需要对纵向数据进行统计分析和建模．文章讨论了纵向数据下的半参数变系数部分线性回归模型,这里的纵向数据的在纵向观察在时间上可以是不均等的,也可看成是按某一随机过程来发生．所研究的半参数变系数模型包括了许多半参数模型,比如部分线性模型和变系数模型等．利用计数过程理论和局部线性回归方法,对于纵向数据下半参数变系数进行了统计推断,给出了参数分量和非参数分量的profile最小二乘估计,研究了这些估计的渐近性质,获得这些估计的相合性和渐近正态性．