球坐标变换、主成分二次推断函数及改进非劣分类遗传算法在不含“0”缓释剂混料组分配比优化的效果研究

目的针对不含“0”混料组分配比中重复测量数据及不同时点累计释放度的多目标优化,研究基于球坐标变换的主成分二次推断函数和改进非劣分类遗传算法优化混料处方配比的效果。方法对尼莫地平缓释片不含“0”混料的处方配比的试验数据进行处理,使用球坐标变换方法去除定和约束,主成分二次推断函数建立模型解决组分的共线性及重复测量数据的相关性,根据药典对各时点累积释放度的要求,采用改进非劣分类遗传算法进行多目标优化,寻找最优的配比方案。结果当HPMC、乳糖、海藻酸钠的比例分别为26.49%、64.64%、8.87%时,3h、6h、9h、12h的累积释放度分别为21.21%、50.66%、77.60%、99.60%,均在处方筛选范围。比通过建立Scheffé多项式模型寻找到5个最优方案更好。结论针对不含“0”混料组分缓释制剂重复测量数据处方配比的多目标优化,采用球坐标变换的主成分二次推断函数和改进非劣分类遗传算法优化混料处方配比的效果满意,且研究者可在Pareto非劣解集中选择可行、合理的混料成分配比方案。

固定效应部分线性单指标空间自回归面板模型的二次推断函数估计

从模型结构的特点着手,获得了一些不依赖于工具变量的矩条件.将这些矩条件与二次推断函数法(QIF)和最小二乘虚拟变量法(LSDV)结合,为模型构建了一种新的估计方法.该方法的优点是考虑了空间内生性的同时,还将个体内的相关结构包含其中.进一步,在一些正则条件下,研究了模型估计量的大样本性质,发现非参数估计量具有最优收敛速度,参数估计量渐近于正态分布.同时,采用Monte Carlo模拟评价了估计方法在有限样本下的表现,结果表明文中所述方法的表现符合大样本性质,且远远优于忽略相关性的估计方法.最后,将所述方法应用于实际数据分析中.

半参数纵向模型的惩罚二次推断函数估计

针对纵向数据半参数模型E(y|x,t)=XTβ+f(t),采用惩罚二次推断函数方法同时估计模型中的回归参数β和未知光滑函数f(t)。首先利用截断幂函数基对未知光滑函数进行基函数展开近似,然后利用惩罚样条的思想构造关于回归参数和基函数系数的惩罚二次推断函数,最小化惩罚二次推断函数便可得到回归参数和基函数系数的惩罚二次推断函数估计。理论结果显示,估计结果具有相合性和渐近正态性,通过数值方法也得到了较好的模拟结果。

参数估计和变量选择的二次推断函数方法研究新进展

二次推断函数已成为纵向数据分析的重要工具。文章介绍了参数和半参数模型的二次推断函数方法研究成果及最新进展,主要包括边际模型和混合效应模型中基于二次推断函数的参数估计、变量选择;二次推断函数方法在经验似然、测量误差模型方面的研究成果。指出了二次推断函数方法尚待解决的一些问题并对其未来的研究进行展望。

二次推断函数与广义估计方程缓控释制剂工艺数据建模比较

目的比较二次推断函数(QIF)及广义估计方程(GEE)对具有重复测量特征的缓控释制剂制备工艺累积释放度数据的建模效果。方法选取三种作业相关矩阵对缓控释制剂制备工艺正交试验设计数据建立QIF模型并进行拟合优度检验,用评价指标AIC、BIC选择模型及选择合理的作业相关矩阵;基于此合理的作业相关矩阵建立广义估计方程(GEE)模型;用均方误差(MSE)比较QIF模型及GEE模型的建模效果。结果累积释放度数据用QIF方法以可交换相关矩阵建立的模型评价指标AIC、BIC最小(AIC=24.000、BIC=26.367),均方误差MSE=0.0123,而基于可交换相关矩阵建立的GEE模型MSE=32.6535,QIF的建模效果要优于GEE。结论在具有重复测量数据特征的缓控释制剂的建模研究中,二次推断函数建模可以用评价指标AIC、BIC选择模型,并且建模效果优于广义估计方程,具有应用价值。

纵向数据半参数模型的二次推断函数估计

文章基于纵向数据研究一般半参数模型y=XTβ+f(t)+ε,其中β为未知的回归系数,f(t)为未知平滑函数,ε为零均值随机误差项。利用基函数对f(t)进行展开近似,构造关于β和基函数系数γ的二次推断函数,然后利用割线法法求出β和γ的二次推断函数估计。最后给出估计的大样本性质,并通过数值方法得到了较好的模拟结果。

基于改进方差估计的二次推断函数

目的二次推断函数QIF由于不需要估计工作相关矩阵中的未知参数α,在工作相关矩阵误假定时具有更好的效率,从而减少了因为α的估计错误而导致回归参数部分估计错误的风险。本文在QIF的基础上提出一种改进的估计方法。方法结合Pan提出的Sandwich稳健方差估计,对QIF的扩展得分函数进行改进,并通过模拟检验改进估计的优良性。结果改进方差估计渐近大样本性质,通过对模拟结果的分析表明在小样本的情况下改进估计的具有较小的均方误差。结论改进QIF的回归系数估计具有更好的效率和更加可靠的区间估计。

变系数模型的核权二次推断函数方法

利用二次推断函数的思想,以一系列基矩阵的线性组合来逼近工作相关矩阵,建立了纵向数据变系数模型的核权二次推断函数(QIF),基于此得到函数系数的局部线性估计,并证明了估计的渐近性质.实际中样本量和适合的窗宽并不能保证独立结构拟合的核估计总是最好的,通过适当扩大窗宽,在局部范围内引入样本相关性,既可以提高估计的效果,又不会造成"过拟合"的现象.模拟中也给出了一种选取QIF窗宽的一种实用方法.

固定效应部分线性可加动态面板模型的惩罚二次推断函数估计

工具变量法是估计动态面板模型的常用方法,但该方法并没有充分利用现有矩条件,导致所得估计有效性不足.为此,本文首先采用变量变换法消除模型的内生性,再用惩罚二次推断函数法推导出个体内具有一阶自相关结构的固定效应部分线性可加动态面板模型中未知参数和函数的估计;进一步,证明了所得估计量的一致性和渐近正态性,同时还用Monte Carlo模拟实验比较了该方法和半参数GMM法在有限样本下的表现;最后将所述方法应用于实际数据分析中.

纵向数据部分线性测量误差模型的二次推断函数估计

基于纵向数据部分线性测量误差模型,研究了模型中兴趣参数部分回归系数的估计问题.首先采用B样条方法逼近模型中的非参数函数,然后提出修正的二次推断函数(QIF)方法对模型中参数部分的回归系数进行估计,所提方法可以提高估计的效率.在一定的正则条件下,证明了所得到的估计量具有相合性和渐近正态性.最后,通过模拟研究和实例分析验证了所提出估计方法的有限大样本性质.

纵向数据非参数模型的二次推断函数估计

文章研究了纵向数据非参数模型y=f(t)+ε,其中f(t)为未知平滑函数,ε为零均值随机误差项。我们选取一组基函数对f(t)进行基函数展开近似,然后构造关于基函数系数的二次推断函数,利用New ton-Raphson迭代方法得到基函数系数的估计值,进而得到未知平滑函数f(t)的拟合估计。理论结果显示,所得到的基函数系数估计有相合性和渐近正态性。最后通过数值方法得到了较好的模拟结果。

纵向数据广义部分线性模型的二次推断推断函数估计（英文）

针对纵向数据广义部分线性模型,通常的做法是用样条或核方法逼近非参部分,之后利用广义估计方程方法(GEE)估计参数部分.本文使用B样条逼近非参函数,并基于二次推断函数的方法对参数和非参数进行估计,并给出了估计量的大样本性质.模拟表明本文的方法改进了GEE的效率.

纵向数据下广义线性模型的稳健二次推断函数估计

针对纵向数据下的广义线性模型,为了有效控制离群点对估计的影响以及进一步提高估计的效率,利用二次推断函数(QIF)改进加权的指数得分函数,得到了模型参数有效且稳健的二次推断函数估计(ERQIF),并证明了在一定条件下所得估计的相合性和渐近正态性。数值计算结果进一步表明,当离群点存在或工作相关矩阵被错误指定时,所得估计有稳健的模拟结果。

纵向数据非参数模型的修正二次推断函数估计

文章研究纵向数据非参数模型y=f(t)+ε,其中f(t)为未知平滑函数,ε为零均值随机误差项。我们选取一组基函数对f(t)进行展开近似,然后构造关于基函数系数的修正二次推断函数,利用割线法得到基函数系数的估计值,进而得到未知平滑函数f(t)的拟合估计。最后给出基函数系数估计的相合性和渐近正态性,并通过数值方法得到了较好的模拟结果。

部分线性单指数动态面板模型的惩罚二次推断函数估计

本文将个体效应与模型的线性部分和非线性部分同时进行估计,构建了惩罚二次推断函数估计法,估计了个体内具有自相关结构的随机效应部分线性单指数动态面板模型。该方法的优点是能够克服由个体效应引起的内生性问题,因此无论滞后因变量处于线性部分还是处于非参数部分均可得到一致有效的估计。进一步,本文证明了该估计方法的一致性和渐近正态性,同时还用Monte Carlo模拟实验评估了该估计方法在有限样本下的表现。

固定效应部分线性可加面板数据模型的惩罚二次推断估计

具有较强解释力和灵活性的部分线性可加面板数据模型在各学科领域应用广泛.针对个体内存在相关结构的固定效应部分线性可加面板数据模型,本文在结合幂样条函数和最小二乘虚拟变量(LSDV)法的基础上,利用惩罚二次推断函数(PQIF)法对模型进行估计,在一定的正则条件下,证明了参数估计的渐近正态性和非参数估计的收敛性,Monte Carlo数值模拟显示所述估计方法具有良好的有限样本表现,同时,我们还将估计技术应用于实际数据分析中.

纵向单调缺失数据下线性模型的二次推断函数估计

纵向数据缺失的情况常常发生,文章考虑响应变量带有单调缺失的纵向数据.在逆概率加权广义估计方程(IPWGEE)的基础上,采用二次推断函数(QIF)方法研究线性模型下回归参数的估计问题.在一定的正则条件下,证明了所得估计量的相合性和渐近正态性.最后,通过模拟研究和实例分析验证了所提出方法在有限样本下的实际表现.

纵向数据非参数模型的惩罚修正二次推断函数估计

基于纵向数据研究非参数模型y=f(t)+ε,其中f(·)为未知平滑函数,ε为零均值随机误差项.利用截断幂函数基对f(·)进行基函数展开近似,并且结合惩罚样条的方法构造关于基函数系数的惩罚修正二次推断函数.然后利用割线法迭代得到基函数系数估计的数值解,从而得到未知平滑函数的估计.理论证明,应用此方法所得到的基函数系数估计具有相合性和渐近正态性.最后通过数值方法得到了较好的拟合结果.

固定效应部分线性单指标面板模型的惩罚二次推断估计

单指标面板模型已广泛应用于各学科领域的研究中,其估计方法较为丰富,然而鲜有估计方法将个体内的相关性考虑在内.基于此,本文研究了一类个体内存在相关性的固定效应部分线性单指标面板模型,采用惩罚二次推断函数法和LSDV法相结合的方法对模型进行估计,证明了所得估计量的一致性和渐近正态性.Monte Carlo模拟结果显示其具有优良的有限样本表现,并将该估计技术应用于实际数据分析中.

纵向非单调缺失数据下部分线性模型的广义经验似然推断

为了研究纵向非单调缺失数据下部分线性模型的估计问题,基于二次推断函数提出了回归系数和基准函数的广义经验似然比函数,得到了相应的极大经验似然估计.证明了所提出的经验对数似然比渐近于卡方分布,由此构造了相应的置信域和逐点置信区间,模拟研究比较了广义经验似然与正态逼近方法的有限样本性质.