第1章 概述
1.1 縱向數(shù)據(jù)
1.2 聚類的方法
1.3 分位數(shù)回歸模型
1.4 本書的主要工作
1.4.1 研究動機(jī)與問題
1.4.2 選題意義
1.4.3 研究的創(chuàng)新點(diǎn)與主要內(nèi)容
第2章 基于非參數(shù)回歸的多元縱向數(shù)據(jù)聚類分析
2.1 背景介紹
2.2 模型框架
2.2.1 具有多元響應(yīng)變量的個體模型
2.2.2 對單個響應(yīng)變量的聚類
2.3 聚類方法
2.3.1 帶MCP懲罰的聚類方法
2.3.2 ADMM算法
2.3.3 調(diào)整參數(shù)的選擇
2.4 漸近性質(zhì)
2.5 數(shù)值模擬
2.5.1 平衡數(shù)據(jù)的聚類
2.5.2 非平衡數(shù)據(jù)的聚類
2.5.3 計(jì)算時(shí)長的比較
2.5.4 重復(fù)測量的可行范圍
2.6 IRI數(shù)據(jù)的應(yīng)用
2.7 相關(guān)定理證明
第3章 均值信息提高分位數(shù)回歸估計(jì)效率
3.1 背景介紹
3.2 估計(jì)方法
3.3 估計(jì)量的漸近性質(zhì)
3.4 數(shù)值模擬
3.5 QoL數(shù)據(jù)的分析
3.6 討論
3.7 相關(guān)定理證明
第4章 總體信息提高分位數(shù)回歸估計(jì)效率
4.1 背景介紹
4.2 估計(jì)方法
4.3 估計(jì)量的漸近性質(zhì)
4.4 數(shù)值模擬
4.5 相關(guān)定理證明
第5章 縱向數(shù)據(jù)半?yún)��?shù)固定效應(yīng)模型的估計(jì)效率
5.1 背景介紹
5.2 估計(jì)方法
5.3 估計(jì)量的漸近性質(zhì)
5.4 數(shù)值模擬
5.5 相關(guān)定理證明
第6章 結(jié)論與展望
參考文獻(xiàn)