非参数变系数混合效应模型及其估计方法研究
纵向数据是对许多个体在不同时间上进行重复测量而得到的数据，通常，常见的纵向数据是来源于生物医学和临床研究等科学领域。然而在许多应用中，传统的参数模型由于假设的限制，无法用于初步的纵向数据分析。为了克服这个困难，人们发展出了纵向数据分析中的非参数回归技术并广泛地应用于各个研究领域。 本文中，我们研究了一种非参数变系数混合效应模型的新的估计方法，该模型将混合效应建模思想、变系数模型、非参数技术有机结合起来并运用于纵向数据的分析。基于轮廓似然的思想我们给出了该模型函数系数和随机效应估计的完全迭代两步局部估计方法。通过两组模拟研究比较分析本文中所提出的估计方法的有效性，模拟研究结果表明，我们提出的基于轮廓似然算法的完全迭代两步局部估计方法优于朴素估计、一步局部估计和两步局部估计。同时，我们把该方法应用于对我国1995—2006年间28个省的城乡医疗保健支出纵向数据的研究并与传统的参数模型进行比较分析。研究结果表明，估计的系数具有时变特性，因而能够更好地解释收入不平等，省级政府预算赤字和中国医疗保健支出不平等之间长期的随时间变化的关系。
医疗保健支出;纵向数据;非参数变系数;混合效应;局部估计
闽南师范大学
硕士
概率论与数理统计
陈建伟
2016
中文
O212.7;R197.1
64
2016-09-14（万方平台首次上网日期，不代表论文的发表时间）