关键词:
ZIP
NI
贝叶斯
MCEM
随机效应
摘要:
在实际问题中,经常遇到重复测量且含零过多的计数数据,关于这类数据的研究,流行的处理方法是利用零过多泊松随机效应模型进行拟合,然而,在实际问题中,一般常见的正态随机效应的假定可能无法满足,特别是当数据中出现重尾现象时,为此,本文对已有工作进行推广,提出了带有NI类随机效应的零过多泊松模型,其中随机效应不仅包括经典的正态分布,还含有重尾的T分布与Slash分布.对于建立的带有NI类随机效应的零过多泊松模型,论文详细的研究了该模型的参数估计问题.首先,论文利用MCEM方法探讨了模型的参数估计,针对模型中的零成分与泊松成分,引入潜在变量标记这两个成分,并结合NI类随机效应的分层结构,论文给出了所建模型的分层表示,进而得到模型中完全数据的对数似然函数;接着,结合Metropolis-Hastings(MH)算法和Gibbs算法得到了EM算法中期望的近似表达式,从而通过极大化该表达式获得了参数估计;其次,论文还利用Bayes方法研究了模型参数估计,在给定参数的先验分布下,计算得到NI类随机效应中三种分布下模型参数的全条件分布,对于非常规的全条件分布,论文利用MH算法和Gibbs算法得到了对应的随机样本,从而给出了模型的贝叶斯估计;最后,论文还借助于大量的随机模拟研究来进一步说明所建议的估计方法的有效性,同时,还将本文构建的模型应用于实际医院门诊服务利用情况的数据中,并结合模型选择标准对不同随机效应下模型拟合效果进行了研究.