一类线性混合效应模型分位数估计的影响分析

摘要：

当回归模型误差服从非对称或非正态分布时,尤其是在重尾分布或分布受污染的情况下,如何检测纵向数据中的异常值是数据分析中的一个重要问题.为了克服非正态分布模型误差的影响,采用稳健的分位数方法对一类线性混合效应模型进行参数估计,并分别基于数据删除模型和均值漂移模型构造强影响点的诊断度量和异常值的检验统计量,以有效地检测强影响点和异常值点.在识别强影响点时,为了减轻计算负担,利用光滑逼近的方法给出了数据删除模型参数的一步近似估计,并据此构造出基于损失函数的距离和Cook距离.为了能够识别异常值点,首先构造出检验异常值点的Wald统计量,然后基于数据删除模型和均值漂移模型的系数估计的等价性,利用Bootstrap抽样得到检验的拒绝域.数值模拟结果表明,本文所提的诊断度量和检验统计量都能够很好地判断出强影响点和异常值点.最后应用本文方法针对化学实验纵向数据进行了影响分析.

关键词：线性混合效应模型、分位数估计、强影响点、异常值、Bootstrap抽样

所属期刊栏目：48

分类号：O212(概率论与数理统计)

资助基金：国家自然科学基金;中央高校基本科研业务费专项

在线出版日期：2021-07-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：106-113