胡纯严 ，胡良平 ，2*

（1.军事科学院研究生院，北京 100850；2.世界中医药学会联合会临床科研统计学专业委员会，北京 100029*通信作者：胡良平，E-mail：lphu927@163.com）

在构建广义线性回归模型的过程中，常涉及参数的检验问题，例如：检验部分或全部回归系数是否为0，检验单个效应是否不在回归模型中以及检验平行线假定是否成立。在统计学上，实现前述检验的具体方法有评分检验、似然比检验和Wald检验。本文仅介绍评分检验及其SAS实现。

1 基本概念

1.1 评分函数

设资料由观测值 x1，x2，…，xN组成，并假定可用依赖于参数θ的概率模型f（x；θ）来描述该资料。当变量x只有有限个可能的取值代入函数f（x；θ），从而指定每一个输出的概率；当存在无穷多个输出f（x；θ）来指定概率密度函数时，对数似然函数可表示如下：

此时，评分函数［1］表示如下：

在式（2）中，“'”代表求函数的导数；若θ̂是θ的最可能值，则满足u（θ̂）=0。

1.2 评分检验统计量的定义

设θ0是θ的真值，则评分就具有均值为0、方差为i（θ0），则下式定义的检验统计量Z服从标准正态分布：

基于式（3）定义的检验被称为评分检验［1］。文献［1］还给出了Wald检验统计量，见下式：

在式（4）中，θ̂是θ的最大似然估计值，θ0是θ的真值，j-1是θ的方差。

1.3 评分检验统计量的用途

在评分检验统计量中，参数θ可以是一维的，也可以是多维的（被称为参数向量）。在统计学上，经常将3种检验统计量（即评分检验统计量、似然比检验统计量和Wald检验统计量）［1-3］同时呈现出来，其主要用途如下：检验部分或全部回归系数是否为0、检验单个效应是否不在回归模型中、检验平行线假定是否成立以及检验线性假设是否成立等。……