柯春雷;王跃东 半参数非线性混合效应模型及其应用。（带着评论和反驳）。 （英语） 兹比尔1073.62528 美国统计协会。 96，第456号，1272-1298（2001）. 摘要：非线性混合效应模型（NLMMs）和自建模非线性回归（SEMOR）模型通常用于拟合重复测量数据。他们使用所有受试者共享的通用函数来模拟每个受试者的变化，使用一些固定和/或随机参数来模拟受试者之间的变化。参数NLMM可能过于严格，半参数SEMOR模型忽略了每个主题之间的相关性。在本文中，我们提出了一类半参数非线性混合效应模型（SNMMs），它以自然的方式扩展了NLMMs、SEMOR模型和许多其他现有模型。SNMM假设平均函数依赖于一些参数和非参数函数。这些参数提供了可解释的数据汇总。非参数函数提供了灵活性，允许数据决定一些未知或不确定的成分，例如随时间变化的平均响应形状。使用具有固定和随机效应的第二阶段模型对参数进行建模。平滑样条用于建模非参数函数。参数的协变效应可以建立在第二阶段模型中，而非参数函数的协变影响可以使用平滑样条方差分析分解来构建。边际似然和惩罚边际似然的拉普拉斯近似用于估计所有参数和非参数函数。我们提出并比较了两种估计方法，并说明了如何基于SNMM的贝叶斯公式构造非参数函数的近似贝叶斯置信区间。我们通过仿真研究评估了所提出的估计和推理程序。通过对加拿大温度数据的分析，说明了SNMM的应用。 引用于33文件 MSC公司： 62克08 非参数回归和分位数回归 2015年1月62日 贝叶斯推断 62J10型 方差和协方差分析（ANOVA） 软件：fda（右） PDF格式BibTeX公司 XML格式引用 \textit{C.Ke}和\textit{Y.Wang}，J.Am.Stat.Assoc.96，No.4561272--1298（2001；Zbl 1073.62528） 全文： 内政部