基于分位数回归的长白落叶松人工林最大密度线

基于东北地区378块固定样地和415块临时样地的调查数据和Reineke方程,利用线性分位数回归技术建立了不同分位点(τ=0.90、0.95、0.99)下的长白落叶松人工林最大林分密度与林木平均胸径的关系模型,选出拟合长白落叶松人工林最大密度线的最优模型. 利用人为选取最大的拟合数据,采用最小二乘(OLS)和最大似然(ML)回归同时建立最大密度线模型. 采用极值统计理论的广义Pareto模型推算现实林分特定径阶的极限最大株数,进一步建立极限密度线模型. 将线性分位数回归模型与其他方法进行对比.结果表明: 在全部径阶范围内选取5个最大数据点拟合的方法能够得到现实林分的最大密度线,选取的样点过多会使模拟结果偏离最大密度线,且ML法要优于OLS法. 分位点为0.99的线性分位数回归模型能够取得与ML接近的拟合结果,但分位数回归模型参数的估计结果更稳定. 人为选取拟合数据具有一定的人为性,最终选取分位点为0.99的分位数回归模型为拟合最大密度线的最优模型,参数估计结果为k=11.790、β=-1.586,极限密度线模型的参数估计结果为k=11.820、β=-1.594. 所确定的极限密度线位置略高于最大密度线,但二者差异不明显. 由固定样地数据的验证结果可知,所建立的最大林分密度线及极限密度线能够对现实林分的最大密度及极限密度进行预测,为长白落叶松人工林的合理经营提供依据.     

应用混合模型和分位数回归分析东黄海小黄鱼肥满度空间异质性

基于2008-2010年黄海南部近海(SYS)、东海北部外海(NECS)和东海中部近海(MECS)小黄鱼体长和体质量数据,采用均值回归和分位数回归模型,解析了小黄鱼幼鱼和成鱼群体体长-体质量关系的空间变异.结果表明: 协方差模型和线性混合模型的残差标准误基本一致,线性模型残差标准误最高.从线性混合模型对特定区域和总体区域平均体质量计算的相对比值来看,SYS和NECS幼鱼群体的平均体质量高于总体平均值,但MECS低于总体平均值;成鱼群体则为NECS平均体质量高于总体平均值,MECS和SYS低于总体平均值.分位回归估计的肥满度和异速生长指数结果显示,幼鱼群体在不同分位的估计参数呈显著变化,SYS异速生长指数均值为2.85,在0.1~0.95分位的估计值变化范围为2.63~2.96.MECS和NECS参数估计值和置信区间在各分位数呈异质性变化,低分位时,NECS估计值在3个调查区域中最低,MECS最高;高分位时,MECS和NECS均高于SYS.对低分位0.25、中分位0.5和高分位0.75分位数的异速体长体质量关系的方差分析结果显示,低分位和高分位数之间体长 体质量关系极为显著(0.25∶0.75,F=6.38,df=1737,P<0.01),低分位数和中分位数之间为显著(0.25∶0.5,F=2.35,df=1737,P=0.039),中分位数和高分位数之间接近显著(0.5∶0.75,F=2.21,df=1737,P=0.051).成鱼群体SYS异速生长指数均值为3.01,在0.1~0.95分位的估计值变化范围为2.77~3.10.低分位和高分位数之间体长 体质量关系差异达到显著水平(0.25∶0.75,F=3.31,df=2793,P=0.01),低分位和中分位之间差异不显著(0.25∶0.5,F=0.98,df=2793,P=0.43),而高分位和中分位之间则差异极显著(0.5∶0.75,F=3.56,df=2793,P<0.01).     

基于线性分位数混合效应的辽东山区红松冠幅模型

冠幅是反映单木生长状态及构建林木生长收获模型的重要变量。本研究以辽东山区大边沟林场10～55年生红松人工林为对象,基于66块固定样地的2763株红松的每木检尺数据,选取冠幅基础模型,采用再参数化的方法引入单木竞争指标(R_d),利用哑变量的方法引入了林分密度、林层变量,构建不同分位点(0.50、0.90、0.93、0.95、0.96、0.99)的冠幅分位数回归模型,并与传统方法进行比较,选取模拟林分最大冠幅的最优分位点。为反映林分中单木冠幅在林木个体之间的差异,建立了基于样地水平的最优分位点的线性混合效应分位数回归冠幅模型,分析各变量对单木冠幅的影响。结果表明: 基于F统计检验,不同林分密度和林层的冠幅模型具有显著差异,在基础模型中引入林层、林分密度和竞争后,模型R_a²提高0.0104,均方根误差降低0.0115,均方误差降低为7.4%;与最小二乘法比较,分位数回归模型能够较好地模拟林分状态下的单木最大冠幅,并选出0.96分位点和0.93分位点作为上林层和下林层的分位数回归模型的最优分位点。引入混合效应的线性分位数回归模型的赤池信息准则、贝叶斯信息准则、HQ信息准则等评价指标优于传统分位数回归,参数标准误显著降低,混合效应的引入很好地解释了样地之间的差异。就上林层和下林层而言,林分密度越大,最大冠幅越小;相对直径越大,最大冠幅越大,其中林分密度对下林层的冠幅影响大于上林层,当林分密度足够大时,冠幅随着胸径的增大先增大后降低。本研究构建的基于混合效应的分位数回归模型能有效提高模型的拟合优度,今后可通过调控林分密度、适度抚育间伐等措施,实现对辽东山区红松人工林的科学营建和可持续发展。     

基于分位数回归模型的卫生总费用影响因素研究

目的:利用分位数回归模型对近十年来陕西省卫生总费用增长的影响因素进行研究,从而为卫生行政部门配置卫生总费用以及制定卫生政策提供依据。方法:首先根据已往文献研究以及陕西地区实际情况,挑选出2003-2014年间可能影响陕西省卫生总费用的因素,然后利用逐步回归法检验自变量间的共线性,并对解释变量进行筛选,最后利用R软件对陕西省卫生总费用及其影响因素建立分位数回归模型,确定影响卫生总费用的因素。结果:陕西省国内生产总值(GDP)在10%-90%分位点上的系数检验结果均有统计学意义,且所有分位点的回归系数均为正值。结论:国内生产总值是影响陕西省卫生总费用的主要因素,其与卫生总费用的变化呈正相关,国内生产总值的增长促进了陕西省卫生总费用的增长。     

基于抚育间伐效应的长白落叶松人工林两阶段枯死模型

1972和1974年分别在黑龙江省江山娇林场及孟家岗林场设置10块长白落叶松人工林固定样地(8块抚育间伐样地、2块对照样地),采用连年复测数据,分析抚育间伐对人工长白落叶松样地枯死与单木枯死的影响.基于二分类变量Logistic回归,建立了样地枯死及样地内单木枯死概率的两阶段模型(Ⅰ:抚育间伐后样地水平枯死概率模型;Ⅱ:枯死样地中单木水平枯死概率模型),采用广义估计方程(GEE)方法对模型参数进行估计.根据敏感度和特异度曲线相交点确定枯死概率最优临界点.结果表明: 样地数据按照抚育间伐次数分为4组分别建模(模型1～模型4).在模型1中,地位指数、林分年龄的自然对数、抚育间伐年龄及强度为显著自变量;模型2～模型4采用主成分分析法建模,主成分包含林分年龄、每公顷株数、平均胸径及抚育间伐因子,说明抚育间伐因子对样地枯死概率有显著影响.抚育间伐对枯死样地中单木枯死概率无显著影响,单木枯死概率模型中显著性自变量为林分初植密度、年龄、林木胸径的倒数及林分中大于对象木的所有林木断面积之和.样地枯死概率模型及单木枯死概率模型Hosmer和Lemeshow拟合优度检验均不显著,模型AUC均在0.91以上,估计正确率均超过80%,说明模型拟合效果较好.     

基于哑变量和分位数回归的兴安落叶松更新幼树的树高-胸径模型

本研究以大兴安岭地区翠岗林场2018—2019年55块固定样地2054株兴安落叶松幼树为对象,采用四分位数法将林分密度指数(SDI)划分为4个等级,即等级Ⅰ(SDI₁<1863株·hm^-2)、等级Ⅱ(1863≤SDI₂<2155株·hm^-2)、等级Ⅲ(2155≤SDI₃<2459株·hm^-2)和等级Ⅳ(SDI₄≥2459株·hm^-2),并采用哑变量方法引入SDI构建兴安落叶松幼树树高-胸径的哑变量模型和分位数回归模型。结果表明：选取的5个代表性非线性树高曲线模型中,Richards模型的拟合效果最好,其R_a²、RMSE、MAE分别为0.7637、0.8250 m、0.5696 m;基于Richards模型构建的包含SDI的哑变量模型,其R_a²较基础模型提高了1.3%,而RMSE、MAE、AIC分别降低了2.1%、1.5%和11.2%;当分位点τ=0.5时,分位数回归模型的R_a²最大,RMSE、MAE、AIC最小,分别为0.7612、0.8294 m、0.5657 m、-767.19。相较于SDI₁,SDI₂～SDI₄林分内幼树的树高分别增加5.6%、5.6%和11.3%。因此,合理调控兴安落叶松林的林分密度有利于增加更新幼树的高生长。     

基于beta回归的长白落叶松树干含水率预测模型

为探究人工长白落叶松边材、心材、树皮、树干含水率沿树干的纵向变化规律,本研究结合样地、样木效应,构建了基于beta回归的含水率混合效应模型,采用不限定相对高度(方案Ⅰ)和限定高度在2 m以下(方案Ⅱ)2种抽样方式对模型进行校正。结果表明：边材、树干含水率沿树干向上逐渐增加;心材含水率沿树干向上先略减后增大;树皮含水率沿树干向上先增大后趋于平缓,然后再增加。相对高度、活冠高、林分每公顷胸高断面积、年龄和林分优势高是显著影响长白落叶松木材含水率的因子。方案Ⅰ下,随机抽取2～3个圆盘的含水率测量值来校准模型可以得到稳定的预测精度,树干含水率的平均绝对误差百分比(MAPE)可达7.2%(随机抽取2个),边材、心材、树皮含水率的MAPE可达7.4%、10.5%、10.5%(随机抽取3个);方案Ⅱ下,抽取1.3和2 m圆盘的含水率测量值校准模型最适宜,边材、心材、树皮和树干含水率的MAPE分别达到7.8%、11.0%、10.4%和7.1%。所有beta混合效应回归模型的预测精度都明显优于基础模型。包含样地、样木效应的两水平beta混合效应回归模型可以很好地预测长白落叶松各部位的含水率。     

广州市中心城区院前急救反应时间影响因素实证研究 ——基于分位数回归方法

目的 探讨影响广州市中心城区院前急救反应时间延长的因素。方法 采用分位数回归法分析影响2015年广州市中心城区院前急救反应时间的因素,其结果与普通最小二乘法得出的结果进行对比。结果　广州市中心城区院前急救反应时间的平均数为14.11分钟,中位数为13.25分钟。医院区位分布、妇产科医生、交通高峰期这三个解释变量是影响广州市中心城区院前急救反应时间延长的因素。结论　分位数回归方法能够较好地应用于院前急救反应时间的研究。我们可根据影响院前急救反应时间的因素来制定相关政策,以提高院前急救质量。     

基于混合效应的兴安落叶松树高与胸径关系模拟

以黑龙江省带岭林业局大青川林场和永翠林场的兴安落叶松人工林为研究对象,基于41块样地调查数据和Richards模型,构建了含有林分变量的树高与胸径关系模型。利用混合效应模型方法拟合常规Richards模型yij=(β1+bi1)(1-e-(β2+bi2)xij)(β3+bi3)+εij和含有林分变量的模型yij=(β1+bi1)(Dq)(β2+bi2)(1-e-(β3+bi3)(N(β4+bi4))xij)+εij。结果表明:当对Richards混合效应模型拟合时,引入随机参数b1、b2时模型拟合最好;当对含有林分变量的Richards混合效应模型拟合时,引入随机参数b2、b4时模型拟合最好。模型检验表明:当随机抽取独立样本时,混合模型误差小于固定效应模型。如果随机抽取4个样本校正时,混合模型的误差和均方根误差降低71.8%和42.1%。     

基于CO2FIX模型的长白落叶松人工林碳汇和木材生产模拟

本研究以帽儿山地区长白落叶松人工林为对象,基于样地调查和文献数据,利用CO₂FIX模型定量模拟轮伐期(30、40、50、60年)、立地指数(12、16、20 m)和初植密度(2500、3333、4444 株·hm^-2)对长白落叶松人工林碳平衡过程的影响,并构建林分尺度下生物量碳库、土壤碳库和林产品碳库之间的碳流通过程。结果表明: CO₂FIX模型对帽儿山地区长白落叶松人工林生物量和蓄积量的生长过程模拟结果具有较高的可靠性,模拟值和实测值平均相对误差分别为6.4%和3.7%。在初植密度3333 株·hm^-2、立地指数16 m、轮伐期40年的基准条件下,长白落叶松人工林总碳储量及各碳库碳储量均随轮伐期呈周期性变化。林分总碳储量和蓄积量均随轮伐期的延长、立地指数的提升和初植密度的增加而增加。当轮伐期分别延长10年和20年时,林分碳储量分别增加12.2%和31.2%,林分蓄积增加36.7%和67.8%;而当轮伐期缩短10年时,林分碳储量和蓄积量则分别降低20.9%和40.4%。与初植密度2500 株·hm^-2相比,初植密度为3333和4444 株·hm^-2时,林分碳储量增长率分别为27.8%和50.9%,蓄积量增长率分别为27.4%和49.1%。当立地指数在12～20 m范围时,每提高4 m,林分碳储量增长36.0%、40.3%,蓄积量增长39.3%、44.2%。在一个轮伐期内,每公顷长白落叶松人工林可固定约271.57 t C;当轮伐期结束时,约有27.47和56.75 t C流转到土壤和木材产品碳库中。因此,当立地条件较好时,采用较高初植密度(4444 株·hm^-2)和较长轮伐期(60年)的管理模式更有利于长白落叶松人工林碳汇和木材效益的最大化。     

基于广义线性混合效应模型的森林树木死亡研究

基于计数模型方法,同时考虑样地的随机效应,构建林分水平死亡模型,探究影响树木死亡的因素,以期为森林资源的监测与管理提供参考依据。以美国德州东部森林连续清查的样地数据为数据源,按4∶1的比例将其进行随机抽样,划分为训练集和验证集数据,将立地因子、林分因子和气候因子作为模型的自变量,林木死亡株数则作为模型的因变量,运用计数模型和混合效应模型方法进行模型的构建,并分析影响林木死亡株数的因子。使用赤池信息准则(AIC)、贝叶斯信息准则(BIC)和-2倍对数似然函数值(-2logL) 3种模型评价指标评估各模型间的拟合效果;采用平均绝对误差(MAE)和均方根误差(RMSE) 2种评价指标评估其预测效果,以便筛选出最佳的林分水平死亡模型。结果表明：立地因子方面,林木死亡株数与海拔(P<0.01)呈显著的负效应,与坡度(P<0.05)呈显著的正效应,说明林木死亡株数随海拔的升高而减少,随坡度的增加而增多;林分因子方面,林木死亡株数与林分年龄(P<0.001)和树木基面积(P<0.001)呈显著的正效应,与林分平方平均胸径(P<0.001)和林分密度(P<0.05)...     

基于线性混合效应的红松人工林枝条生物量模型

基于黑龙江省孟家岗林场60株红松解析木3643个枝条生物量的实测数据,利用全部子回归技术建立了枝条生物量模型(枝、叶和枝总生物量模型),最终选择lnw=k₁+k₂lnL_b+k₃lnD_b为枝条生物量最优基础模型.利用SAS 9.3统计软件的PROC MIXED模块建立枝条生物量混合模型,并采用AIC、BIC、对数似然值和似然比等统计指标评价不同模型的拟合效果.结果表明: 红松解析木的叶和枝总生物量混合模型以k₁、k₂、k₃作为随机效应参数的拟合效果最好,而枝生物量混合模型以k₁、k₂作为随机效应参数的拟合效果最好.最后将枝条生物量最优基础模型与最优混合模型进行模型检验.混合模型各项指标优于基础模型,能有效地提高模型的预估精度,并且通过方差协方差结构校正随机参数来反映树木之间的差异.     

基于抚育间伐效应的落叶松人工林直径分布动态模拟

基于黑龙江省孟家岗林场长白落叶松人工林5块固定样地(其中1块为对照样地,4块为抚育间伐样地,断面积强度为3.7%~49.7%)1974—2014年(林龄为19～59 a)复测的31次胸径数据,采用三参数Weibull分布函数拟合5块样地各年份直径分布,研究了直径分布曲线随林龄的动态变化规律,并分析了抚育间伐对林分直径分布曲线及Weibull分布参数的动态影响.构建了基于抚育间伐效应的Weibull分布参数预测的联立方程组模型,分别采用三阶段最小二乘法及度量误差法估计了模型的参数.结果表明: 未间伐林分(对照)直径分布曲线随林龄增加由“高峰狭窄”(林木直径分布集中)状态逐渐向“低峰宽广”(林木直径分布分散)状态过渡;抚育间伐后,林木直径分布曲线均较抚育间伐前右偏加剧,峰度变高,径阶变窄,对称性下降;间伐强度越大,伐除的中小径阶树木越多,直径分布曲线较间伐前左侧截尾明显,峰度增高,径阶分布范围变小.低强度抚育间伐使得参数a值变大,b值变小,对参数c的影响不明显;高强度抚育间伐使得参数a的增量变大,b值变小,参数c值变小.参数预测联立方程组模型的拟合结果表明,参数b的预测模型拟合效果最好,R²>0.98;参数c预测模型拟合效果稍差,但R²>0.91;三阶段最小二乘法拟合结果与度量误差联立方程组方法区别不大,两种方法检验结果均较好,模型精度都>97%,拟合效率均>0.92.所建立的模型能够较好地模拟抚育间伐效应下落叶松人工林直径分布动态变化,为科学合理经营森林提供了依据.     

可交换条件下多维结构回归模型总体平均处理效应的估计

在可交换条件下，当响应变量为多维时，利用结构回归模型研究总体平均处理效应的估计。     

基于非线性混合模型的红松人工林枝条生长

基于黑龙江省孟家岗林场36株红松人工林的枝解析数据,以单分子式和理查德方程作为枝条基径(BD)和枝长(BL)生长模型,分别考虑样地效应和样木效应,利用SAS软件的PROC NLMIXED模块构建了枝条基径和枝长生长的非线性混合模型.采用Akaike信息准则(AIC)、贝叶斯信息准则(BIC)、对数似然值(-2Log likelihood)和似然比检验(LRT)等评价指标对所构建模型的精度进行比较.结果表明:当考虑样地效应时,α1、α3和β1、β3分别作为随机参数时基径和枝长生长模型拟合效果最好;当考虑样木效应影响时,α2、α3和β1、β3分别作为随机参数时基径和枝长生长模型拟合效果最好.非线性混合模型不但可反映枝生长总体平均变化趋势,还能反映个体之间的差异.无论考虑样地效应还是样木效应,非线性混合模型的拟合精度都比传统回归模型的拟合精度高,并且考虑样木效应的拟合精度高于考虑样地效应的拟合精度.     

基于混合模型的红松人工林枝条动态研究

采用孟家岗林场79株人工红松4 987个枝条的枝解析数据,分别构建了人工红松枝条基径、枝长线性混合效应模型和枝条基径、枝长生长混合效应模型。利用SAS9.22统计软件对模型参数进行求解,并通过AIC、BIC及LRT对收敛的非线性模型之间的差异性进行显著性检验。结果表明:对于基径和枝长的线性混合效应模型,模型中所有参数的t检验均显著,参数的标准误差比较小,模型的稳定性很好。对于基径生长的非线性混合效应模型,在不考虑样地效应的条件下,对于模型参数b1和b3的组合,无论是AIC还是BIC都比较小。当考虑到样地效应的过程中,同样是参数b1和b3的组合形式取得最小的AIC和BIC,因此在考虑到样地效应时,这种参数的随机效应组合形式是最优模型。对于人工红松枝条枝长生长的非线性混合效应模型,当没有考虑样地效应时,通过比较不同参数的随机组合的随机效应,可以得知,当参数b1和b3组合的过程中,无论是AIC还是BIC都比较小。当考虑到样地效应的过程中,参数b3和b4的组合形式取得最小的AIC和BIC,因此在考虑到样地效应时,这种参数的随机效应组合形式是最优模型。     

应用混合分布模型研究水稻株高的遗传

用质量－数量性状的混合分布遗传模型对２个水稻矮秆×高秆的Ｆ_２群体（组合１：Ｈ３５９／Ａｃｃ８５１８;组合 ２：Ｈ３５９／Ａｃｃ８５５８）的株高遗传进行了研究．结果表明：１）存在 １对主基因的分离,高秆对矮秆完全显性; ２）这对主基因的效应大小在两个组合中非常相近,说明这对主基因在不同遗传背景中效应稳定,与微基因之间无明显互作,这对于育种应用是有利的;３）两组合中由微基因分离引起的遗传方差大小相近,微基因的平均显性效应皆是减效方向,且数值上也相近,而平均加性效应则皆呈增效方向,但数值上相差很大,说明两组合中发生分离的微基因的数目可能相似,但微基因在双亲间的分布情况却大不相同;４）亲本表型方差（亦即环境方差）与亲本均值呈明显正相关关系,高秆的环境方差要比矮秆大得多,因而在不同主基因型中,微基因的遗传力表现不同,这在育种实践中应引起注意．     

肿瘤表达谱基因芯片数据的混合效应模型分析

目的:研究混合效应模型(Mixed Effects Model)在肿瘤表达谱基因芯片数据分析中的检验效能,并探讨其分析效果。方法:采用混合效应模型分析肿瘤实例基因芯片数据,并以基因集富集分析方法(GSEA)作为参照比较分析结果的有效性和科学性,探讨其检验效果。结果:通过混合效应模型和基因集富集分析(GSEA)两种方法对肿瘤基因芯片数据的分析和比较,两种方法筛选出共同的差异表达通路外,混合效应模型额外地筛选出来GSEA未能检验到的8条差异表达通路,且得到文献支持;混和效应模型筛选出的前10个差异表达通路中有6个已有生物学证明而基因集富集分析方法(GSEA)筛选出的前10个差异表达通路中仅有4个已有生物学证明。结论:混合效应模型作为top-down方法中的典型代表,其优势在于通过构建潜变量达到降维目的,可有效地减少多个复杂的变异来源从而保证了结果的准确性和科学性,其检验效能优于基因集富集分析方法(GSEA),是一种行之有效的筛选肿瘤基因芯片数据的分析方法。     

多反应变量重复测量的混合效应模型及其应用

本文给出了多反应变量重复测量的协方差矩阵结构,探讨了用迭代广义最小二乘法来求解其带协变量和不带协变量的混合效应模型中固定效应和随机效应系数,并对１９９１年四川省高血压调查资料进行实例分析,得到其结论符合实际情况．     

不同代数杉木林养分积累和分布的比较研究

在全国杉木中心产区,选择不同栽植代数(1、2、3代)、不同年龄阶段(5、10、15、20年)、不同立地(14、16、18地位指数)的杉木人工林,进行不同栽植代数杉木林养分积累和分布的比较研究.结果表明,栽植代数对杉木林养分积累和分布有较大影响.随栽植代数增加,杉木林乔木层养分积累及养分利用效率均呈逐代递减趋势,表现为3代<2代<1代,而林下植被养分积累呈逐代增加趋势,2、3代杉木林乔木层养分积累分别比1代下降17.62%和36.28%,3代比2代下降22.65%,同时多代连栽杉木林养分利用效率下降,生产单位干物质所需养分增加,增加了杉木生长对林地肥力的压力,不利于林地肥力的维持,但有利于其林下植被的养分积累.