一类含随机效应生长曲线模型的谱分解估计.pdfVIP

第 23卷 第 4期 河南教育学院学报 (自然科学版) Vo1．23 No．4 2014年 12月 JournalofHenanInstituteofEducation(NaturalScienceEdition) Dec．2Ol4 doi：10．3969／j．issn．1007—0834．2014．04．011 一 类含随机效应生长曲线模型的谱分解估计 崔伦建 (华北水利水 电大学 数学系，河南 郑州 450000) 摘要 ：对于含随机效应的生长 曲线模型，当随机效应阵D和误差阵R为数乘单位矩阵时，利用向量化算法把模 型转化为含两个方差分量 的混合效应模 型 ，利用谱分解法 能够 同时得到模型 的固定效应和 随机效应 的谱分解估 计 ，并给 出了估计的性质． 关键词 ：随机效应 ；谱分解 ；方差分量 中图分类号：0212 文献标识码 ：A 文章编号：1007—0834(2014)04—0042—05 0 引言 生长曲线模型 (growthcurvemodels，GCM)是 1938年 WISHART在研究不同组间动植物的生长情况时引 入的，该模型在计量经济、生物育种 、医药研究 以及流行病学等领域有着极为广泛 的应用．由于研究的 目的和 样品取法不同，有时效应不能看成是 固定 的，而应该看成是随机的，即含随机效应的生长曲线模 型，其定义 如下， yn = B W + 叼 +E p， (1) 其中y为观察矩阵，、A为 已知设计矩阵， 为随机效应矩阵， ～(0，D，，)，E为误差阵，E～(0，R，J『)，从 而 Y一(XBA，XDX +尺△ ，，)，进一步假定 叼，E均服从多元正态分布 ，即 ～N (0，D，，)，E～Np (0，R， ． )，Y～N…(XBA，XDX + 全 ，，)． 对于含随机效应的生长曲线模型而言 ， 的未知性和结构 的特殊性使得回归参数估计 以及协方差估计 计算量大且复杂 ，处理过程中受到诸多因素限制．因此 ，需要对模型(1)作变形处理 ，把它化为一般的混合效 应模型 ，通常利用向量化运算和 Kroneker乘积把模型 (1)转化为模型 (2)， Y= + +E． (2) 对于模型 (1)的研究主要集中在两个方面，一方面是有关随机效应的估计和这些估计的检验问题，另一方 面是回归系数阵的估计与检验问题，由于 (1)中 结构 的特殊性和复杂性 ，对 曰的一些常见重要估计如 MLE (maximumlikelihoodestimate)、BLUE(bestlinearunbiasedestimate)产生了影响，文献 [1]给出了B的BLUE估 计．文献[2—3]研究了模型(1)在观察阵 ， ，y及D，尺已知时，回归参数阵的可 估函数KBL在非负定意义 下的最佳线性无偏估计，同时给出了模型中随机效应和随机误差两种不同性质的随机变量的协方差阵D，R及 其线性函数 tr(CR+FD)的最tJ~--乘估计 ，并讨论了估计的一些优 良性．文献[4—5]在此基础上给出了回归参 数0的MLE，BLUE与 LSE(1eastsquareestimate)相等的条件以及 KBL两步估计及其无偏性． 对于模型(2)，文献[6]给出限制极大似然估计．文献[7]给出了非负的最小二乘估计．文献 [8]在一元混 合模型下提出了谱分解 (spectraldecomposition，SD)估计．文献[9]给出了一种确定互异特征根个数和协方差阵 谱分解结构的简单方法．文献[10]得到非负改进的SD估计 ，并且较sD估计具有一致小的均方误差．文献[11] 给出了含两个方差分量的多元混合效应模型方差分量矩阵的估计．文献[12]给出了多元线性混合模型方差分 量矩阵的非负估计．文献[13]给出了具有异方差的线性和混合效应模型