混合线性模型效应参数的Bayes局部影响分析

该文研究混合线性模型效应参数的Ｂａｙｅｓ局部影响评价问题．导出了混合线性模型在各种扰动下效应参数的Ｂａｙｅｓ局部影响度量，并给出了平衡单向分类随机效应模型下的一些结果．最后通过实例分析，以证实该文方法的有效性．     

P^-混合样本线性模型M估计的强相合性

研究了P^-混合样本线性模型中的M估计，在较弱的矩条件下，获得了M估计是强相舍估计的充分条件．与相应结论比较，有了较大的实质性改进。     

混合线性模型M估计的强相合性

研究了ρ~混合样本线性模型中回归参数M估计的强相合性, 在较弱的矩条件下, 获得了M估计是强相合的充分条件, 实质性地改进和推广了文［1］定理3.1.     

混合线性模型M估计的强相合性

研究了混合样本线性模型中回归参数M估计的强相合性,在较弱的矩条件下,获得了M估计是强相合的充分条件,实质性地改进和推广了文[1]定理3.1.     

混合样本线性模型M估计的强相合性

研究了混合样本线性模型中的M估计,在较弱的矩条件下,获得了M估计是强相合估计的充分条件.与相应结论比较,有了较大的实质性改进.     

ρ混合、φ混合、ψ混合线性模型M估计的强相合性

研究了 ρ混合、φ混合、ψ混合样本线性模型中回归参数M估计的强相合性 ,在条件不变的情况下 ,获得与独立情形一样的M估计是强相合的充分条件 ,推广了文 [1 ]定理 2 .     

线性模型中M估计的渐近性质

线性模型中Ｍ估计的渐近性质吴耀华（中国科学技术大学数学系，合肥２３００２６）ＡＳＹＭＰＴＯＴＩＣＢＥＨＡＶＩＯＲＯＦＭ－ＥＳＴＩＭＡＴＯＲＳＩＮＬＩＮＥＡＲＭＯＤＥＬＳ￥ＷｕＹＡＯＨＵＡ（ＤｅｐａｒｔｍｅｎｔｏｆＭａｔｈｅｍａｔｉｃｓ，Ｕｎｉｖｅｒｓ...     

多元线性模型回归系数的混合估计和Bayes估计

In this paper,the mixed estimations of regression coefficient in multivariate linear model is giyen on the condition of expanding sample data and their optimalities are considered.It is shown that GLSE is equivalent to the above mentioned mixed estimations.Furthermore,Bayes estimation in multivariate normal model,which is the same as the mixed estimations,is also improved.     

(ρ)混合样本线性模型M估计的强相合性

研究了(ρ)混合样本线性模型中的M估计,在较弱的矩条件下,获得了M估计是强相合估计的充分条件.与相应结论比较,有了较大的实质性改进.     

混合线性模型联合估计的一个注记

本文从一个新的角度刻划了一般混合线性模型中固定效应β与另一随机向量δ的联合估计的最佳线性无偏估计的一种最优性 ,这一性质比最小方差性更为直观     

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。     

变系数模型变窗宽局部M-估计的相合性

用变窗宽局部M-估计对变系数模型的系数函数进行估计,得到了估计的相合性和渐近正态性.所采用的方法继承了局部多项式回归的优点并且克服了最小二乘方法缺乏稳健性的缺点.变窗宽的使用提高了局部M-估计的可塑性,并使得它们能成功地处理空间非齐性曲线、异方差性及非均匀设计密度.     

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.     

基于M估计的线性混合效应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.     

递推M-估计的强收敛性

本文对u1(t)为单调递增这一比较常见的情形和在其它一些比较常见的条件 下,证明了M-估计递推算法中回归系数和散布矩阵的强相合性.     

Influence Analysis for Linear Measurement Error Models

In this paper, we present a unified diagnostic method for linear measurement error models based upon the corrected likelihood of Nakamura (1990, Biometrika, 77, 127–137). Both global influence and local influence are discussed. The case-deletion model and mean-shift outlier model are considered, and they are shown to be approximately equivalent. Several diagnostic measures are derived and discussed. It is found that they can be written in terms of the residual and leverage measure. Some existing results are improved. Numerical example illustrates that our method is useful for diagnosing influential observations.     

半参数广义线性混合效应模型的估计及其渐近性质

半参数广义线性混合效应模型在心理学、生物育种、医学等领域有广泛的应用. Zhang(1998)用最大惩罚似然函数的方法(MPLE)对模型的参数和非参数部分进行了估计, 而Zhang (1998) MPLE方法只适用于正态数据模型. 对于泊松等常用的模型, 常的方法是将随机效应看作缺失数据, 再引入EM算法. 本文基于McCulloch 1997)提出的MCNR算法, 此算法推广到半参数广义线性混合效应模型中并得到相应的估计算法. 于非参数部分, 本文采用P样条拟合并利用GCV方法选取光滑参数, 时证明了所得估计的相合性和渐近正态性. 最后, 过模拟和实例与其它算法作比较验证本文估计方法的有效性.     

一类线性混合模型的谱分解估计

谱分解估计(SDE)是新近提出的关于线性混合模型参数的一种新的估计方法,此方法的一个突出特点是同时给出固定效应参数和方差分量的显式解估计．本文就含两个方差分量的线性混合模型,对谱分解估计的性质做了进一步的研究,获得了方差分量的SDE和方差分析估计相等的充分必要条件,证明了在一定的条件下方差分量的SDE为一致最小方差无偏估计．     

����~���Ƶ�ָ����ط����Ի��ЧӦģ�͵����Լ���

Homogeneity of variance and correlation coefficients is one of assumptions in the analysis of longitudinal data.However, the assumption can be challenged. In this paper, we mainly propose and analyze nonlinear mixed effects models for longitudinal data with exponential correlation covariance structure, intend to introduce Huber's function in the log likelihood function and get robust estimation (M-estimation) by Fisher scoring method. Score test statistics for homogeneity of variance and correlation coefficient based on M-estimation are then studied. A simulation study is carried to assess the performance of test statistics and the method we proposed in the paper is illustrated by an actual data example.