拉比，亚辛·欧;拉希德·埃尔·哈利米;阿卜杜勒哈迪·阿卡里夫;阿马尔·梅卢克 线性混合模型中随机效应的最优检验。 （英语） Zbl 1488.62104号 水龙头。数学杂志。斯达。 50，第4期，1185-1211（2021）. 摘要：在过去的十年中，混合效应建模在应用和理论统计文献中受到了极大的关注。它们是分析重复测量、面板数据、横截面数据和层次数据的非常灵活的工具。然而，这些模型的复杂性促使研究人员研究这个问题的不同方面。其中之一是测试随机效应的显著性，这些随机效应用于模拟人群中未观察到的异质性。提出了基于误差项和随机效应正态性假设的似然比检验方法。然而，这种假设在实践中并不一定成立。本文提出了一种基于一致局部渐近正态性的最优检验方法，以检测线性混合模型中可能存在的随机效应。我们表明，即使对于不需要传统正态性假设的模型，所提出的检验统计量也是一致的局部渐近最优的，并且在满足标准假设的情况下与经典似然比检验相当。最后，还进行了仿真研究和实际数据分析，以实证检验该程序的性能。 理学硕士： 62J05型 线性回归；混合模型 62F03型 参数假设检验 62F05型 参数检验的渐近性质 62G10型 非参数假设检验 关键词：线性混合模型;局部渐近正态性;伪高斯检验;等级测试 软件：MEMSS公司;S-PLUS系统;lme4公司 PDF格式BibTeX公司 XML格式引用 \textit{Y.O.Larbi}等人，哈塞特。数学杂志。Stat.50，No.4，1185--1211（2021；Zbl 1488.62104） 全文： 内政部 参考文献： [1] [1] A.Akharif和M.Hallin，自回归模型中随机系数的有效检测，Ann.Statist。31 (2), 675-704, 2003. ·Zbl 1039.62081号 [2] [2] A.Azzalini和A.Capitanio，对称扰动产生的分布，强调多元斜t分布，J.R.Stat.Soc.Ser。B.统计方法。65 (2), 367-389, 2003. ·Zbl 1065.62094号 [3] [3] D.M.Bates、M.Machler、B.Bolker和S.Walker，使用lme4拟合线性混合效应模型，J.Stat.Softw。67 (1), 1-48, 2015. [4] [4] N.Bennala、M.Hallin和D.Paindaveine，大N小t面板随机个体效应的伪高斯和基于等级的最优测试，《计量经济学杂志》170（1），50-672012年·兹比尔1443.62429 [5] [5] C.Delphine、M.Hallin和D.Paindaveine，《关于基于等级推理中交叉信息量的估计》，载于《现代统计推断和时间序列分析中的非参数和稳健性：纪念Jana Jurečková教授的节日》，数理统计研究所，2010年7月35日至45日·Zbl 1228.62003号 [6] [6] E.Demidenko，《混合模型：与R的理论与应用》，John Wiley and Sons，2013年·Zbl 1276.62049号 [7] [7] R.Drikvandi和S.Noorian，在具有序列相关误差的线性混合效应模型中测试随机效应，生物。J.61（4），802-812019年·Zbl 1430.62227号 [8] [8] R.Drikvandi、A.Khodadadi和G.Verbeke，《平衡线性增长曲线模型中的方差分量测试》，J.Appl。《美国联邦法律大全》第39（3）卷第563-5722012页·Zbl 1514.62138号 [9] [9] J.J.Droesbeke和J.Fine，《非参数信息》，《等级统计》，布鲁塞尔大学，1996年·Zbl 0925.62157号 [10] [10] M.Fihri、A.Akharif、A.Mellouk和M.Hallin，《随机回归系数的有效伪高斯和基于秩的检测》，J.Nonparametr。《法律总汇》第32（2）页，第367-4022020页·Zbl 1451.62043号 [11] [11] J.L.Foulley、C.Delmas和C.Robert-Granié，《混合模式下的最大装配方法》，巴黎社会统计杂志143（1-2），2002年5月52日。 [12] [12] J.Hájek和Z.Šidák，等级测试理论，学术出版社，纽约，1967年·Zbl 0161.38102号 [13] [13] J.Hájek，估计中的局部渐近极小极大和可容许性，摘自：第六届伯克利数理统计与概率研讨会论文集，第1卷：统计理论，加州伯克利：加利福尼亚大学出版社，1972年·Zbl 0281.62010 [14] [14] M.Hallin和B.J.M.Werker，半参数效率，无分布性和不变性，伯努利9（1），137-1652003·Zbl 1020.62042号 [15] [15] J.P.Kriss，《平稳ARMA过程中的自适应估计》，《统计年鉴》。15 (1), 112-133, 1987. ·Zbl 0616.62042号 [16] [16] N.M.Laird和J.H.Ware，纵向数据的随机效应模型，《生物统计学》38（4），963-9741982年·Zbl 0512.62107号 [17] [17] L.Le Cam，统计决策理论中的渐近方法，Springer-Verlag，纽约，1986年·Zbl 0605.62002号 [18] [18] L.M.Le Cam和G.L.Yang，《统计学中的渐近：一些基本概念》，第2版，Springer-Verlag，纽约，2000年·Zbl 0952.62002号 [19] [19] A.Lmakri、A.Akharif和A.Mellouk，回归数据短面板中双线性相关性的最佳检测，Rev.Colomb。埃斯塔德。43 (2), 143-171, 2020. ·Zbl 1454.62210号 [20] [20] C.H.Morrell，使用限制最大似然对线性混合效应模型中方差分量的似然比检验，《生物统计学》54（4），1560-15681998年·Zbl 1058.62541号 [21] [21]G.E.Noether，关于wald和wolfowitz的一个定理，Ann.Math。统计人员。20 (3), 455- 458, 1949. ·兹伯利0034.22601 [22] [22]J.Pinheiro和D.Bates，S和S-PLUS中的混合效应模型，Springer科学与商业媒体，2006年·Zbl 0953.62065号 [23] [23]R.F.Potthoff和S.N.Roy，特别适用于增长曲线问题的广义多元方差分析模型，Biometrika 51（3-4），313-3261964·Zbl 0138.14306号 [24] [24]K.Rao，R.Drikvandi和B.Saville，用于测试线性混合效应模型中随机效应的置换和贝叶斯检验，Stat.Med.38（25），5034-50472019。 [25] [25]M.Regis、A.Brini、N.Nooraee、R.Haakma和E.R.van den Heuvel，线性混合模型：模型公式、可识别性和估计，Comm.Statist。仿真计算。Doi:10.1080/03610918.2019.16941532019年·Zbl 07545866号 [26] [26]A.R.Swensen，具有回归趋势的自回归时间序列的似然比的渐近分布，《多元分析杂志》。16 (1), 54-70, 1985. ·Zbl 0563.62065号 [27] [27]G.Verbeke，纵向数据的线性混合模型，实践中的线性混合模式，Springer，纽约，63-1531997·Zbl 0882.62064号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。