| 摘要 | 第1-13页 |
| Abstract | 第13-15页 |
| 主要符号对照表 | 第15-16页 |
| 第一章 引言 | 第16-23页 |
| §1.1 纵向数据 | 第16-17页 |
| §1.2 边际模型的历史和现状 | 第17-19页 |
| §1.3 广义线性混合效应模型的历史和现状 | 第19-20页 |
| §1.4 本篇论文的框架 | 第20-23页 |
| 第二章 参数个数发散时的纵向观测二分类数据的收缩估计分析 | 第23-51页 |
| §2.1 引言 | 第23-24页 |
| §2.2 两阶段收缩估计方法 | 第24-26页 |
| §2.3 当p_n→∞时的理论性质 | 第26-31页 |
| §2.4 模拟实验 | 第31-32页 |
| §2.5 交叉试验数据 | 第32-33页 |
| §2.6 本章结语 | 第33-35页 |
| §2.7 本章附录 | 第35-51页 |
| 第三章 超高维纵向数据的特征选择 | 第51-76页 |
| §3.1 引言 | 第51-53页 |
| §3.2 基于广义估计方程的筛选方法 | 第53-55页 |
| §3.3 GEES的Sure screening性质 | 第55-58页 |
| §3.4 IGEES：一种基于广义估计方程的迭代筛选方法 | 第58-59页 |
| §3.5 模拟实验与实际应用 | 第59-63页 |
| §3.6 本章结语 | 第63-65页 |
| §3.7 本章附录 | 第65-76页 |
| 第四章 纵向数据下广义单指标模型中指标向量的估计 | 第76-101页 |
| §4.1 引言 | 第76-78页 |
| §4.2 估计方法 | 第78-80页 |
| §4.3 大样本性质 | 第80-82页 |
| §4.4 模拟实验与实际应用 | 第82-86页 |
| §4.5 本章结语 | 第86-88页 |
| §4.6 本章附录 | 第88-101页 |
| 第五章 基于双惩罚分层似然的广义线性混合效应模型中固定效应和随机效应的选择 | 第101-124页 |
| §5.1 引言 | 第101-103页 |
| §5.2 基于双惩罚分层似然的混合效应选择方法 | 第103-106页 |
| §5.3 大样本性质 | 第106-108页 |
| §5.4 两阶段算法和调整参数的选取 | 第108-111页 |
| §5.5 模拟实验与实际应用 | 第111-114页 |
| §5.6 本章结语 | 第114-115页 |
| §5.7 本章附录 | 第115-124页 |
| 第六章 结论以及未来的工作 | 第124-126页 |
| 参考文献 | 第126-134页 |
| 致谢 | 第134-136页 |
| 博士期间的研究成果及发表的论文 | 第136-137页 |
