高维条件均值假设检验及其在帕金森症诊断中的应用

在中国人口老龄化不断凸显的背景下,有关老年人常见疾病的诊断和治疗受到越来越多社会关注,帕金森症就是这些中老年人最常见的疾病之一。以往研究中发现帕金森患者在发音方面与正常人群存在明显差异,从而出现了利用提取声音特征来诊断帕金森症的判别方法。在相关众多研究中一般没有考虑个体性别因素,但在最近的其他研究中发现不同性别的患者之间声音信号表现出差异性。因此采用从声音中提取特征诊断帕金森症的方法是否需要考虑个体性别特征有必要进一步进行研究。本文利用高维条件均值假设检验方法,对各类常用的声音特征提取方法在不同性别上的差异显著性进行比较分析,发现各类声音特征提取方法获取的特征在不同性别群体中表现出显著的差异性,从而表明在利用这类方法诊断帕金森症时需要考虑性别因素。

部分线性变系数模型的新复合分位数回归估计

针对部分线性变系数模型的参数估计问题,提出了一种新复合分位数回归估计方法.利用复合分位数回归法估计参数部分,局部非线性复合分位数回归法估计变系数函数部分,并在若干正则条件下,证明了常系数和变系数函数估计量具有较好的渐近正态性质.通过随机模拟和实例分析,验证了所提估计方法在有限样本下的良好表现,有效的证明了所提方法的优越性.

广义函数型部分变系数混合模型的估计

将广义变系数回归模型与广义函数型线性回归模型相结合,提出了一种新的模型——广义函数型部分变系数混合模型.基于函数型主成分基和B-样条基的方法,通过最大化拟似然函数得到了未知函数的估计,并在一定的正则条件下得到了各估计量的收敛速度及预测精度.通过数值模拟展现了模型的可行性和优越性,最后将所建模型应用到Tecator数据说明了模型的实用性.