论文部分内容阅读
一类特殊结构面板数据下的遗漏变量问题研究
【摘 要】
:
通过面板数据建立的模型有许多种,通常利用回归模型来建立感兴趣的变量(响应变量)与解释变量间的关系,从而对响应变量的取值变化进行解释.然而在很多实际问题分析中,与响应变量有直接关系的解释变量,由于各种现实原因导致其观测难以获得,从而存在变量遗失问题.如果在建模过程中,忽略遗漏变量的影响,将会导致模型参数的估计是有偏的.另外,在很多实际问题中,在固定的时间点上,每个横截面单位通常有多个观测,且观测个数
【机 构】
:
黑龙江大学
【出 处】
:
黑龙江大学
【发表日期】
:
2021年10期
【基金项目】
:
其他文献
随着人类基因组计划所产生的数据大爆炸,大规模、多组织的基因表达数据随之产生,在质量和数量上丰富了生物科学的资源,数据资源的飞速膨胀,其中必然存在着很多重要的生物学规律,这些规律将揭示生命的秘密!研究表明,基因是通过共同表达产生相应蛋白质产物的,单个基因产物的突变极少能够导致癌症等复杂疾病.随着公开转录组学研究的快速积累,结合多个数据集的研究可以提供更准确和稳健的结果.本文使用了大量的肝组织基因表达
学位
大多数的人类遗传疾病都属于复杂疾病的范畴,在近些年的研究中,很多遗传学工作者通过对基因进行定位的方法来探索隐藏在复杂疾病背后的遗传机制.目前,大多数的研究结果都可以表明,基因的常见变异能够解释很大一部分遗传力.在复杂疾病中,“多效性”是一种普遍存在的现象,即同一个基因可能会对多种表型产生影响.因此,使用传统的单变量分析表型方法来对复杂疾病进行研究会有局限性.所以,开发出一种新的方法来检测多元表型与
学位
在全基因组关联研究中识别基因×环境交互作用,特别是包括罕见变异时,是统计遗传学的一个主要挑战.G×E交互作用的检测对于理解复杂疾病的病因非常重要.尽管目前已经有一些统计方法来检测基因与环境之间的交互作用,但是当存在罕见变异时,这些方法仍有一些局限性.因此,开发一种新方法来针对罕见变异检测基因与环境的交互作用显得特别重要.在本文中,我们扩展了现有的自适应组合P值方法(ADA),提出了一个全新的两阶段
学位