王庆丰　倪成才　骆国民

【摘 要】本研究的目的在于研究如何用SAS的proc mixed过程拟合线性代数差分模型。所用数据来源于148个集约经营火炬松人工林。直接拟合了一个胸高断面积的收获模型，而非代数差分生长模型。模型拟合过程如下：i）.同时确定随林分变化的参数和最优拟合的方差结构模型；ii）.依据AIC、BIC和极大似然比检验化简期望模型；iii）.用代数差分法将拟合的收获模型转化为代数差分生长模型。

【关键词】线性代数差分模型；mixed过程；模型筛选；林分生长与收获预估

0.前言

在林分生长与收获预估的模型中，差分生长模型得到了广泛的应用。线性差分模型基本上为Schumacher模型的变型，广泛应用于林分蓄积、胸高断面积的建模，以及单位面积株数和优势木树高生长模型。

差分生长模型拟合方法有“直接最小二乘估计法”和“分类变量回归法”[1]。一般认为后者可以获得近似无偏的估计，而前者则导致检验统计量如RMSE的失真[2]。传统上差分生长模型的拟合主要是直接拟合差分生长模型，然后根据拟合统计量如RMSE、R2等确定最优拟合模型。与传统方法不同，本文直接拟合生长模型，在获得参数估计值后，再用代数差分法导出相应的代数差分生长模型。这样做的优越之处在于非常便于对期望模型和方差结构模型进行筛选。更为重要的是，可以通过模型拟合识别最适合的随林分变化参数。

本文详细讨论了如何用“分类变量回归法”和SAS的mixed过程拟合代数差分生长模型，可简述如下：i）.直接以生长收获模型为对象，同时确定一个随林分变化的参数和最优拟合方差结构模型；……