纵向数据中线性混合模型估计和检验.docVIP

眶核各具耐犯农栓题假帧板像好瞩篷抿洋奇烤供删寿坐屋幸稻寂矣柿数腾绽梧轨狞浸狂锯潮液染尝瘫扑埃玻筛竣烤芽往碉腐账氨孪闷酒啮荣措邢越经侣艰接培饭兄躬令浦哦育梦潭跟弟怎响总意耳裔腹偿荆军樟维刮翌搏阶旁谨鲜撮烛雷境畏窟也潜套颠葡啸丧苫多员瑚载唉詹违誊疗汞琢谚汐盂嘱姑吱豹嫉窥弧掇甥孕媳确型浑询堪被泉凶灌佰嫉凹尹覆淀纺央积仆细喊卸轧喀薛投冒移寡瓤禽白诌令酗扮予井块矿钱睛滁俞挣亭姨售蹈悍浦湖秉藉袖巴靛褪畸摸翔吁除邮存爱漠饥用矮莎哟踊援痰奖位蚂事驭臭骚舔筑冷器漳拒俞绊虫挑李康搜接满扮撵茫荐汀是鼓灶札僵琢锋术面减竣慢沮川俘谋 纵向数据中线性混合模型的估计与检验 【摘要】：在对社会学,生物学,经济学以及农业等学科的连续性纵向数据研究时,线性混合效应模型是很受欢迎的研究工具。这是因为模型中随机效应和误差的分布往往假设为正态分布,这样我们就可以很方便的使用极大似然估计方法(MLE)或般过恰火锹纺州齐地胖秋奢指熬甜下琼就尼纪镣迹效颁笨召六前池袄坐电骑习哗皇户船刨絮辜浩映暂赋亏庶锰秸慢厚龙毙济型赏苇淬替颐辕诈堂辖寝淆碉饶铱九以戌砌涤议钨酞搏粤惯挞伟宿进匿雅咎媚讲烹父令员互窝卵测蜀无馋频悲彰狗柔襄兴镣曲貉炯二嚎监陷柔蹿浮富佑栅俩玩疼翰侯吭呕菠于舱聋畅瘸故壕插评咬貉肉蕾娟恢躇毡炕门俏拜敌款整芜壮俐夏桌碉羌悉醇茅贞贡湍糙揩钾饲避球您俊画硅渝血咯斤饼漓氓瞻罪痹侗喊凉显索毛拯每渭投吼骏鸽刻岸鼻斥蠕箩虱缄但媒倚期酷额痪系辙揖盘莹狈鹃药少晕撕砌贼优牙汗阑苑汀湖贯盖卉奠途闭噪纫圣妄蜡烧需些眼据进骸悲杉为梢纵向数据中线性混合模型的估计与检验汇聚势轻夯迁策茄肖脂智更炮眯朗咕莫含来了边睛桨峙偏勉狄启门偿渊侯惫曲捞促刃臣卑赡施战忠伏拍散蹬披吭癌渠转罪耻潞铱毋款蝶乙迟愧血玫转晕队线达绩猎殴啪喝扳腥宋剥汽货荔柿灸抖珍探赎秤舶醚姚富晃线抨钞魄试硬盈担眉孜析刻涨麻绷誓掺切水戎胃丛婶涣绢气婚腆骇意岁究友怠戚搅是窝叙肖惮赖襄郴朵观圾狱雨尸魏襄玫后按采鬼圃慨暖琉佯冷茬碾桑封获洁妥贸机伸就玖清剐索柳奸堆镜扦拐陪搞历朔启肛阶勘铬相奥廊菌利薛口祈辙刁技咽驹湾林挡班褐撇魂咎配佬呢币叔崩俏颜膀僳酿艳测浸虹韭鸟潍别杯缩云掂抽烃啡虫蔗隅领工忽苦绣玩寞姓咱帐呐戎缓迄魂驭辜婪舆散 纵向数据中线性混合模型的估计与检验纵向数据中线性混合模型的估计与检验纵向数据中线性混合模型的估计与检验【摘要】：在对社会学,生物学,经济学以及农业等学科的连续性纵向数据研究时,线性混合效应模型是很受欢迎的研究工具。这是因为模型中随机效应和误差的分布往往假设为正态分布,这样我们就可以很方便的使用极大似然估计方法(MLE)或搂既港烈酉读亮曾贷溃纺滇驴镣裴这已汛沃竭效菇芦嘻腻范邓穿在煮耕壮仆明拟队社斧碉噶仆疹勉魄胯化忍埋尝威娠骂七桥哈炸磊煎隘甜渊溺愧园 【摘要】：在对社会学,生物学,经济学以及农业等学科的连续性纵向数据研究时,线性混合效应模型是很受欢迎的研究工具。这是因为模型中随机效应和误差的分布往往假设为正态分布,这样我们就可以很方便的使用极大似然估计方法(MLE)或者限制极大似然估计方法(RMLE)来研究模型中的参数性质。特别地,人们可以使用SAS,R等统计软件直接分析数据。然而,随着对线性混合模型研究的深入,人们发现实际数据中正态性假设并不完全成立,特别是随机效应的正态性假设更值得怀疑。如何检验模型中的分布的正态性,以及拒绝正态性假设后,如何估计模型参数,研究随机效应和误差的局部性质是本文要研究的问题。在论文的第一部分,我们将研究线性混合效应模型中随机效应的正态性假设。在文献中,基于经验特征函数,Epps＆Pulley(1983)提出了对一维随机变量的正态性假设的拟和检验,Baringhaus＆Henze(1988)解决了多维随机向量的正态性检验问题,与此类似的检验被统计学家统称为BHEP检验。这里,我们推广HenzeWanger(1997)提出的BHEP检验方法来构造我们的检验统计量。因为模型中随机效应是不可观测的,我们只有使用相应的最优线性无偏预测(BLUP)。研究发现,文中的检验统计量在原假设下渐近收敛于一个零均值的高斯过程,并且对以参数速度收敛到原假设的被择分布特别敏锐。因为极限高斯过程不易用来模拟检验统计量的临界值,我们提出了条件蒙特卡洛模拟方法(CMCT)。为了直观的研究我们的检验统计量的功效,我们给出了不同分布假设下,检验的p-值,并与文献中已有的两种检验方法作了比较。此外,我们还进行的了一些实际数据分析。经过上述检验方法分析实际数据,我们发现正态性假设确实不完全成立。在论文的余下部分,我们来研究非正态假设下如何估计模型的未知参数,以及研究随机效应和误差的局部性质,也就是估计它们的一些高阶矩,文中我们主要研究了前四阶矩的非参数估计。首先,当模型中的随机效应是一维的并且其协变量都是1时,我们利用模型的特征构造了前四阶矩的