1.2估计方法.docVIP

1.2 估计方法 1.2.1 符号与模型 在分组检验实验中，来自N个总体的样本被分为n组，首先检验整个分组。然后进一步检验n个组里面的某几个组或它们的子集。我们在这里采用与文章Xie 2001 中类似的符号，如下所示。 yi表示来自第i组的样本的正负，如果是正值，yi等于1，如果是负值，yi等于0，其中i的范围是1……N。假设我们对样本的m（通常m n）个集合进行了总共m次检验，用g1,g2……gm表示。在这里，集合与样本组或者样本组的子集相关，而且依赖于分组检验方案和研究目的。将m个检验结果表示为t t1…..tm ，并且与集合G g1…..gm 相关。 如果是正值，则检验结果ti等于1，否则ti等于0。一般来讲，检验方法不是完全准确的，通常用敏感度和特异度来显示一个检验方法的准确性。我们用和分别表示敏感度和特异度，其中。在这样的假设之下，我们可以由下式得到ti， 其中，Wi和Vi是相互独立的服从伯努利分布的随机变量，其值等于1的概率分别为和，同时用表示示性函数。 如果个别总体的协变量可以得到，我们可以据此拟合出一般线性回归模型。如果我们假设协变量与连接函数线性相关，我们可以构造出参数情况下的一般线性模型（GLM）： 如果假设协变量通过一个未知的平滑函数与连接函数相关，我们可以利用非参数的一般线性模型： 如果认为部分协变量线性相关，而另一部分协变量通过一个未知的平滑函数与连接函数相关，我们可以利用半参数的一般线性模型， 其中xi是p*1维的协变量矩阵，而vi是协变量。连接函数是已知的单调可微函数。我们感兴趣的是如何估计模型（1.2）中的未知平滑函数何模型（1.3）中的和。对于二值反应最常用的连接函数是。在文章Xie 2001 已经对模型（1.1）进行了讨论，因此我们将在本章阐述模型（1.2）和（1.3）的估计方法。 有时候，我们可以从检验结果中确定所有个体的检验结果。然而，在很多其他的例子中，个体检验结果不能由分组检验结果完全确定，我们的着重点在于后者。 前一个例子可以被看作后一个例子的特殊情况。对于某些检验方法来说，的似然函数（观测到的似然）的明确的公式可能难以得到或者非常复杂。因此对观测到的似然函数进行直接最大化，即使可以执行也可能是一项乏味的任务。从另一方面讲，完全数据的对数似然函数对于一般线性模型有更加简单的形式。因此，通过下面的过程，我们可以得到非参数和半参数情况下一般线性模型的EM算法。