2×2列联表中归因风险的统计推断

2×2列联表的统计推断在现代医学,各种临床试验以及现代生物学的研究中通常是感兴趣的问题,其中归因风险的统计推断经常出现在流行病学和健康服务研究中.本文我们针对2×2列联表中归因风险的统计推断给出了一种新的方法,利用2×2列联表中边际和条件概率提出了Score检验,给出了建立在置信区间之上的Score检验的描述.并对Score检验和似然比检验的效果进行评价,依据覆盖概率、左尾错误率及右尾错误率得出结论:Score检验与似然比检验相比更有效.     

分层含结构零2×2列联表基于风险比的同时置信区间估计

对分层含结构零2×2列联表中风险比的同时置信区间估计问题,提出五种基于似然比统计量、Score统计量、Wald统计量和对数变换Wald统计量的同时置信区间及三种Bootstrap同时置信区间。并采用Bonferroni,Single-step adjusted MaxT和Single-step adjusted MinP三种多重检验过程计算临界值。通过同时置信区间覆盖概率、覆盖宽度和Mesial非覆盖概率与非覆盖概率之比(RNCP)的模拟研究比较了置信区间的统计性能。结果表明,MinP检验过程下基于Score统计量的同时置信区间具有令人满意的结果,即这个区间的覆盖概率非常接近置信水平,且Mesial非覆盖概率与非覆盖概率之比(RNCP)均在[0.4,0.6]之间。最后通过实例分析对所提方法进行验证。     

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.     

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。     

非线性Poisson-Gamma回归模型中存在偏大离差时离差参数的齐性检验

Poisson回归模型广泛地应用于分析计数型数据，但该模型往往存在偏大离差(overdispersion)问题．刻画Poisson回归模型的偏大离差性的两种方法是拟似然方法和随机效应法(Lee＆Nelder，2000)，已有许多作者利用随机效应法研究了Poisson模型的偏大离差的检验问题．但他们均假定随机效应是独立同分布的，本文对他们的假设进行检验．我们分别在组内效应一致和组内效应不一致的情形下，研究了存在偏大离差的Poisson-Gamma非线性随机效应模型中，随机效应方差(称为离差参数)的齐性检验问题，得到了离差参数齐性的score检验统计量．最后给出两个数值例子说明本文方法的应用．     

`CH~2中齐性曲面的分类(英文)

ＣＨ~２中的曲面 Ｍ称为（局部）齐性的,如果对任何一对点 ｐ,ｑ,存在变换。 σ　Ｕ（１,２）把含ｐ的一个邻域变为含ｑ的邻域,且把ｑ变为ｑ．本文给出ＣＨ２中齐性曲面的完全分类．     

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．     

具有随机效应和AR(1)误差的非线性纵向数据模型中组间方差和自相关系数的齐性检验

组间方差和自相关系数的齐性是纵向数据分析的基本假设之一,然而这种假设需要进行统计检验. Zhang \&; Weiss$^{[15]}$ 讨论了线性随机效应模型的组间和组内方差齐性的检验问题;林金官 \&; 韦博成$^{[10]}$ 研究了具有AR(1)误差但没有随机效应的非线性模型的自相关系数的齐性检验.该文研究具有随机效应和AR(1)误差的非线性模型的组间方差和自相关系数的齐性检验问题,构造了几个score检验统计量, 并通过Monte Carlo模拟方法研究了检验统计量的性质.最后利用该文的方法分析一组实际数据和一组模拟数据.     

一类分类数据列联表中基于检验功效的样本量研究

对不完全2×2列联表中关于风险比（RR）的假设检验问题,使用基于约束性极大似然估计下的Wald检验统计量和对数变换检验统计量,导出了满足预先给定功效的样本量公式．模拟结果验证了所给检验和样本量公式的合理性,实例分析解释了上述方法的应用．     

双样本协方差矩阵和均值向量齐性检验的研究及其应用

物证检验问题可以转化为双样本均值向量的检验和协方差矩阵的检验之统计理论问题 .对于检验统计量 T2、λ3,虽然 Hotelling对均值向量的检验给出了具有许多优良性质的 T2统计量 ,但它使用的前提条件是现场和嫌疑人的样本量必须同时大于特征数 ,这在物证检验中很难满足 ,本文的拓宽了使用条件 ,使其在物证检验中能够广泛使用 ;本文采用了统计模拟的方法构造了检验均值向量和协方差阵同时相等的统计量λ4 的上 1 0 0α%分位数表 ,这就为物证检验提供了新工具 ,将对于揭露和打击犯罪、保障国家的安全与社会的稳定具有重大的社会效益 .最后给出了应用实例 .     

2×2列联表中二属性相关的Bayes检验

2×2列联表中二属性相关的假设检验是定性数据分析中的热点问题,针对此问题的研究频率学派已做过大量的工作,其理论方法已趋于成熟.利用Bayes检验研究2×2列联表中二属性的相关性迄今为止国内外的相关文献还为数不多.将依据Bayes理论对此问题提出新的检验方法,推出其Bayes因子计算公式,利用正态近似研究三项假设计算出有关的后验概率,不仅解决了频率学派难以处理的问题,并且为吸烟有害健康提供了理论支撑.     

√2x^2-√2n-1的近似正态性及多总体标准差的齐性检验

计算了随机变量√2x^2的数学期望和方差,比较分析了随机变量√2x^2-√2n与√2x^2-√2n-1的近似分布的相同和不同之处,并且利用√2x^2的近似分布的正态性,建立了多总体标准差的检验法．     

含内生结构突变的STR模型检验及应用研究

文章研究了含内生结构突变的平滑转换(STR)模型的检验问题,依据特殊一一般一特殊的建模原则给出了检验过程及对应的检验统计量SupLM,Monte Carlo模拟表明各检验统计量的检验功效较高。文章提出的建模过程和检验统计量能检测出非线性和结构突变同时或者单独一种存在时的情形。结构突变或者非线性特征越明显,相应的检验统计量功效越高,相对而言,针对结构突变的检验功效高于非线性检验功效。最后,应用含结构突变的ESTR模型探讨了人民币对美元汇率的收益变化特征,发现新汇改以来汇率收益序列不单有结构突变,也存在非线性。     

重复试验随机效应模型误差方差的齐性检验$(k=2)$

本文对重复试验次数为2的随机效应方差分析模型, 给出了误差方差齐性, 即$H_0:\sigma_1^2 =\sigma_2^2\leftrightarrow H_1:\sigma_1^2\ne\sigma_2^2$的一种具有相合性的检验方法\bd 并对三个常见模型给出了检验统计量和拒绝域的具体表达式, 最后是两个应用实例\bd     

列联表中辅助交互作用的可压缩性

本文对高维列联表中关于随机变量间的一种关联系数辅助交互作用的简单可压缩性与强可压缩性进行了讨论得到了一组对应的可压缩性的充分必要条件。     

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 .     

(√2X2)-(√2n-1)的近似正态性及多总体标准差的齐性检验

计算了随机变量√(2X2)的数学期望和方差,比较分析了随机变量√(2X2)-√(2n)与√(2X2)-√(2n-1)的近似分布的相同和不同之处,并且利用2X2的近似分布的正态性,建立了多总体标准差的检验法.     

含结构变点无限方差序列的伪回归检验

基于最小二乘回归理论,研究了含结构变点无限方差序列的伪回归检验.结果表明,对两列含结构变点无限方差序列进行线性回归分析时,当两序列尾部指数之和小于1.5时,无论结构变点位置是否相同,t检验统计量均发散,导致伪回归现象的出现.究其原因,结构变点增加了回归误差的持久性,从而产生伪回归.蒙特卡罗数值模拟结果表明,伪回归现象不仅受序列尾部指数的影响,且对结构变点的位置敏感.     

基于ZIP模型的零膨胀检验方法的比较研究

针对已存在关于零膨胀的R检验、C检验、Score检验、卡方检验、似然比检验、Wald检验和基于置信区间检验,通过Monte Carlo模拟分析方法,在功效和犯第一类错误比例的意义下,在不同零膨胀程度、不同均值和不同样本量下对上述检验作比较研究.得到了不同条件下7种检验方法的优良性,并结合理论对7种检验方法进行分析.     

分层关联表中伞形序对无约束问题的检验

概率分布间的随机序是应用概率论与统计推断中的一个重要概念. 基于交叉分类数据的趋势检验问题已被广泛地研究, 并且分层关联表广泛存在于实践中. 似然比检验方法常用于涉及随机序约束问题的检验. 对带序约束的分层关联表, 该文介绍了一种不基于模型假定的似然比检验方法, 并且给出了检验统计量的极限分布.