论文部分内容阅读
普通线性模型主要用于处理响应变量是连续型的数据，要求误差项服从正态分布；广义线性模型是普通线性模型的推广，它既可以用于处理响应变量是连续型的数据，也可以用于处理响应变量是离散型的数据：用广义线性模型分析纵向数据的方法，称为广义估计方程方法，并由此得到广义估计方程；广义估计方程的真实相关阵Ri通常是未知的，常以工作相关阵Ri(α)来代替.工作相关阵Ri(α)是工作者为了满足研究工作的需要，根据经验来选取的.Balan和Schiopu用样本得到一个估计量Rn代替Ri(α)来估计真实相关阵R-i，得到的方程称为伪似然方程(pseudo-likelihood equation)，并给出自然联系条件下、重复观测次数有限且残差为鞅差序列时伪似然方程根的弱相合性、渐近正态性的条件.这使得估计更加客观，减少了Ri(α)人为因素，本文在此基础上对伪似然方程理论作进一步研究.主要研究工作有：
(1)给出了新的工作相关阵，并由此得出新的伪似然方程.
(2)证明了在自然联系条件下，若重复观测次数有限且残差为鞅差序列时，新的伪似然方程仍具有弱相合性及渐近正态性.从而推广了Balan和Schiopu的工作.
(3)用数值模拟验证了理论结果，并验证估计方法的优越性。