论文部分内容阅读
统计研究在医药卫生领域的研究从上个世纪五十年代开始得到蓬勃发展,纵向研究因而随之流行。纵向研究中产生的纵向数据对现存的统计模型提出了挑战,因为纵向数据最显著的特征是同一个体的观测数据往往是相关的而不同个体间的观测数据是不相关的。
在本篇文章中,我们重点讨论一组纵向数据的总体均值函数随时间变化的趋势,在统计模型中,很容易想到用回归模型用来描述一个变量随另一个变量变化的趋势。由于非参数回归方法的灵活性,我们运用简单,易于理解和操作的非参数方法--核函数方法。在第一个模型中,我们推广了Altman(1990)提出的方法,该方法用核估计方法处理误差项相关的数据。但是由于Altman(1990)的方法基于观测时间是固定的且在[0,1]区间上是等距的,我们考虑的纵向数据每个个体的观测时间是固定的且在[0,1]区间上是等距的。这里我们用估计量的均方误差来评价估计的优良,可以证明当相关函数满足一定条件时,用核函数法处理纵向数据与处理独立误差项的数据有着类似的渐进趋势。然而,在实际问题中,观测时间随机的纵向数据更普遍。在第二个模型中,我们估计观测时间随机的纵向数据的总体均值。为了证明核函数方法对于该模型的优劣,我们把该模型看做是Hoover(1998)提出的纵向数据变系数模型的一个特例。最后,为了更好的证明我们的结论,我们对模型进行随机模拟。从模拟的结果可以清楚地看出,当我们用求核估计最小MSE的方法定带宽时,核函数方法可以很好的运用到纵向数据的总体均值估计。