线性和广义线性混合模型及其统计诊断PDF电子书下载

第1章 引论 1

1.1线性模型简介 1

1.1.1普通线性模型 1

1.1.2广义线性模型 2

1.1.3线性混合模型 3

1.1.4广义线性混合模型 5

1.2统计诊断概述 6

1.2.1统计诊断的含义 6

1.2.2统计诊断的主要方法 7

1.3预备知识 8

1.3.1矩阵代数 8

1.3.2矩阵微商 10

第2章 线性混合模型 12

2.1模型简介 12

2.2线性混合模型的常见类型 14

2.2.1方差分量模型 14

2.2.2纵向模型 15

2.3参数估计 18

2.3.1最大似然估计 18

2.3.2限制最大似然估计 26

2.3.3非正态假定下方差分量参数的估计方法 32

2.4假设检验和置信区域 36

2.4.1假设检验 36

2.4.2置信区域 42

2.5随机效应的预测及模型选择 44

2.5.1随机效应的预测问题 44

2.5.2模型选择 46

2.6模拟分析 49

第3章 线性混合模型的统计诊断 51

3.1 Cook统计量和文献回顾 51

3.2基于似然函数的影响分析 53

3.2.1基于似然函数的Cook距离 53

3.2.2实例分析 60

3.2.3模拟分析 65

3.3基于Q函数的影响分析 66

3.3.1基于Q函数的Cook距离 66

3.3.2实例分析 72

3.3.3观测值水平的影响分析 76

3.3.4模拟分析 79

第4章 广义线性混合模型 83

4.1模型简介 83

4.2参数估计问题 87

4.2.1边际似然函数的数值计算 87

4.2.2基于EM-算法的最大似然估计 89

4.2.3基于条件似然的参数估计 91

4.2.4基于广义矩方法的参数估计 94

4.3估计量的大样本性质 95

4.3.1当随机效应维数固定时固定效应和随机效应的最大似然/分层最大似然估计的大样本性质 95

4.3.2当随机效应维数发散时固定效应和方差分量参数的最大似然估计的大样本性质 96

4.4区间估计、预测误差和假设检验 98

4.4.1固定效应的区间估计和随机效应的预测误差 98

4.4.2固定效应和方差分量参数的假设检验问题 100

4.5模型选择：从条件模型出发 102

4.6实例分析：离散时间序列模型的参数估计 105

第5章 广义线性混合模型的统计诊断 112

5.1基于似然函数的影响分析 112

5.2基于Q函数的影响分析 122

5.2.1基于EM算法对模型进行参数估计 122

5.2.2基于Q的Cook型统计量QDi 124

5.2.3基于EQ的Cook型统计量QDi 126

5.3随机效应是交叉的情况 132

5.3.1实验介绍 132

5.3.2对蝾螈数据的影响分析 133

5.4扰动选择问题 136

附录 143

A.1第3章附录表 143

A.2第5章附录表 146

参考文献 151

索引 163