摘要: 广义线性混合效应模型是分析多层非正态数据的一个重要工具，其在生物、医学、经济等方面都有广泛的应用。而在模型建立过程中，为提高模型的可解释性与预测的精度，往往要将变量的个数限制在较小的范围内，这就需要进行变量选择。本文主要研究利用系... 展开 广义线性混合效应模型是分析多层非正态数据的一个重要工具，其在生物、医学、经济等方面都有广泛的应用。而在模型建立过程中，为提高模型的可解释性与预测的精度，往往要将变量的个数限制在较小的范围内，这就需要进行变量选择。本文主要研究利用系数压缩法解决广义线性混合效应模型的变量选择问题。首先，简单介绍广义线性混合效应模型的定义及相关参数的估计方法。其次，针对固定效应对应的变量选择，对Tutz与Groll提出的glmmLasso算法进行总结概括，并指出设计阵存在复共线关系时，利用glmmLasso算法求Lasso解存在的问题并给出相应的改进;同时，结合经典线性模型中选择变量的思想方法，将AdaptiveLasso与Elastic Net应用于广义线性混合效应模型。然后，同时针对固定效应与随机效应对应的变量选择，对Bondell等基于线性混合效应模型Adaptive Lasso估计的EM算法进行推广，使其能够解决广义线性混合效应模型基于系数压缩法的变量选择问题。最后，利用上述方法进行实例分析。 收起