随机效应模型用于污水数据剖析.docVIP

随机效应模型用于污水数据剖析 　　摘 要：纵向数据分析在生物，医学，经济，金融等领域具有广泛的应用，是近年来统计学的热点课题之一，随机效应模型是纵向数据分析中最常用的模型之一，在过去的十年中对纵向数据随机效应模型的统计分析已经引起统计学家的关注。在本文中应用固定效应模型、随机效应模型分析一组污水氨氮含量的数据，并分析组件交互作用。 　　关键词：纵向数据；固定效应；随机效应；AIC；BIC；氨氮 　　纵向数据Longitudinal Data（或Panel Data）是用来描述一个总体中给定样本在一段时间的情况，并对样本中每一个样本单位都进行多重观察。这种多重观察既包括对样本单位在某一时刻上多个特性进行观察，也包括对该样本单位的这些特性在一段时间的连续观察，连续观察将得到数据集称为纵向数据。而时间序列数据是一维数据，是变量按时间得到的数据，截面数据是变量在截面空间上的数据。数据是同时在时间和截面空间上取得的二维数据。从横截面（cross section）上看，是由若干个体在某一时刻构成的截面观测值，从纵剖面上看是一个时间序列。时间序列数据与纵向数据的显著差别是时间序列数据研究的是很少的个体（通常只有一个个体）和重复测量许多次，且数据具有序列相关性。而纵向数据研究的是很多个体，重复测量次数并不多。但它们存在共性，重复测量是相关的，且相邻数据相关性很大，而离得较远的数据也就是随着