线性和广义线性混合模型及其统计诊断

2.3.1 最大似然估计
2.3.2 限制最大似然估计
2.3.3 非正态假定下方差分量参数的估计方法
2.4 假设检验和置信区域
2.4.1 假设检验
2.4.2 置信区域
2.5 随机效应的预测及模型选择
2.5.1 随机效应的预测问题
2.5.2 模型选择
2.6 模拟分析
第3章 线性混合模型的统计诊断
3.1 Cook统计量和文献回顾
3.2 基于似然函数的影响分析
3.2.1 基于似然函数的Cook距离
3.2.2 实例分析
3.2.3 模拟分析
3.3 基于Q函数的影响分析
3.3.1 基于Q函数的Cook距离
3.3.2 实例分析
3.3.3 观测值水平的影响分析
3.3.4 模拟分析
第4章 广义线性混合模型
4.1 模型简介
4.2 参数估计问题
4.2.1 边际似然函数的数值计算
4.2.2 基于EM-算法的最大似然估计
4.2.3 基于条件似然的参数估计
4.2.4 基于广义矩方法的参数估计
4.3 估计量的大样本性质
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
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
4.4 区间估计、预测误差和假设检验
4.4.1 固定效应的区间估计和随机效应的预测误差
4.4.2 固定效应和方差分量参数的假设检验问题
4.5 模型选择：从条件模型出发
4.6 实例分析：离散时间序列模型的参数估计
第5章 广义线性混合模型的统计诊断
5.1 基于似然函数的影响分析
5.2 基于Q函数的影响分析
5.2.1 基于EM算法对模型进行参数估计
5.2.2 基于Q的Cook型统计量QDi
5.2.3 基于EQ的Cook型统计量QDi
5.3 随机效应是交叉的情况
5.3.1 实验介绍
5.3.2 对蝾螈数据的影响分析
5.4扰动选择问题
附录
A.1 第3章附录表
A.2 第5章附录表
参考文献
索引