偏正态单向分类随机效应模型下暴露水平的Bootstrap推断

摘要

为评估工作环境中的暴露水平，基于偏正态单向分类随机效应模型，研究暴露水平的区间估计和假设检验问题。首先，利用EM算法给出未知参数的极大似然估计。进而，基于Bootstrap方法，构造个体平均暴露水平的三种Bootstrap置信区间。Monte Carlo模拟结果表明，修正的Bootstrap百分位置信区间在覆盖概率意义下优于其他两种Bootstrap置信区间，Bootstrap标准置信区间在置信上限意义下优于其他两种Bootstrap置信区间。最后，将上述方法应用于苯乙烯暴露数据的案例分析，以验证所提出方法的有效性和合理性。

关键词

偏正态单向分类随机效应模型 / 暴露水平 / EM算法 / Bootstrap置信区间

基金资助

国家社会科学基金(21BTJ068); 全国统计科学研究重点项目(2024LZ029)