半参数广义线性模型的影响分析与异常点检验

统计诊断就是对统计推断方法解决问题的全过程进行诊断，而影响分析是统计诊断中十分重要的分支．本文针对半参数广义线性模型，证明了数据删除模型和均值漂移模型的等价性定理，给出了诸如广义Cook距离等诊断统计量并研究了异常点的Score检验统计量，最后通过实例验证了本文给出的诊断方法的有效性。     

半参数广义线性混合效应模型的影响分析

本文把随机效应当作是缺失数据并利用P-样条拟合非参数部分,从而得到了半参数广义线性混合效应模型(GPLMM)的MCNR估计算法;同时利用Q-函数,我们得到了模型的参数部分的广义Cook距离以及非参数部分的广义DFIT,此外,本文还研究了四种不同扰动情形的PLMM的局部影响分析,得到了相应的影响矩阵,最后,我们通过—个实际例子验证了所提出的诊断统计量的有效性。     

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.     

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.     

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.     

半参数非线性模型的统计诊断与影响分析

本文系统研究了半参数非线性回归模型的统计诊断与影响分析方法;得到了一系列诊断统计量,两个实际数值例子验证了本文给出的诊断方法的有效性。     

一类零膨胀半参数混合效应模型的惩罚似然估计

本文将半参数线性混合效应模型推广应用到一类具有零膨胀的纵向数据或集群数据的研究中,提出了一类新的半参数混合效应模型,然后利用广义交叉核实法选取光滑参数,通过最大惩罚似然函数方法与EM算法给出了模型参数部分与非参数部分的估计方法,最后,通过模拟和实例说明了本文方法的有效性.     

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．     

离散型半参数广义线性纵向数据模型的方差成分检验

在回归分析中, 随机误差是否存在方差非齐性是大家十分关心的问题, 本文根据Laplace展开原理针对随机效应的影响研究了基于纵向数据的离散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, 最后通过一个实例和计算机模拟验证了本文所提出的方法的有效性.     

指数族半参数非线性模型的统计诊断和影响分析

本文研究了指数族半参数非线性模型的统计诊断和影响分析方法,得到了一系列识别异常点和强影响点的诊断统计量．数值例子验证了本文给出的诊断方法的有效性．     

基于似然函数的纵向数据线性混合模型影响分析

线性混合模型在纵向数据分析中有广泛应用,应用点删除法研究纵向数据线性混合模型影响分析问题.采用的影响度量是基于似然函数构造的广义Cook距离,推导出两种广义Cook距离并用于实际数据分析和统计模拟分析,实际数据分析和统计模拟分析结果都说明该方法是行之有效的.     

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.     

A Partial Empirical Likelihood Based Score Test Under a Semiparametric Finite Mixture Model

We propose a score statistic to test the null hypothesis that the two-component density functions are equal under a semiparametric finite mixture model. The proposed score test is based on a partial empirical likelihood function under an I-sample semiparametric model. The proposed score statistic has an asymptotic chi-squared distribution under the null hypothesis and an asymptotic noncentral chi-squared distribution under local alternatives to the null hypothesis. Moreover, we show that the proposed score test is asymptotically equivalent to a partial empirical likelihood ratio test and a Wald test. We present some results on a simulation study.     

Estimating Frailty Models via Poisson Hierarchical Generalized Linear Models

Frailty models extend proportional hazards models to multivariate survival data. Hierarchical-likelihood provides a simple unified framework for various random effect models such as hierarchical generalized linear models, frailty models, and mixed linear models with censoring. Wereview the hierarchical-likelihood estimation methods for frailty models. Hierarchical-likelihood for frailty models can be expressed as that for Poisson hierarchical generalized linear models. Frailty models can thus be fitted using Poisson hierarchical generalized linear models. Properties of the new methodology are demonstrated by simulation. The new method reduces the bias of maximum likelihood and penalized likelihood estimates.     

一类半参数回归模型的估计问题

该文对半参数回归模型ｙｉ~（Ｔ）＝βｘｉ~（Ｔ）＋ｇ（ｔｉ~（Ｔ））＋ε_ｉ~（Ｔ）,定义了β,ｇ的估计量β_Ｔ,ｇ_Ｔ（ｔ）,获得了它们的强相合、强一致相合、ｓ阶矩相合,ｓ阶一致矩相合性．