病例对照研究是医学诊断等领域经常采用的研究方法,当需要比较两个不同的医学诊断方法时,从同一个实验对象会得到两个诊断方法的测试数据,这样就会产生二元病例对照数据。传统的两总体均值差检验是建立在总体服从正态分布的假设下,而对总体不服从正态分布时,检验效果不明显甚至失效。本文提出在半参数密度函数比模型下对两总体均值差进行假设检验,此方法主要是建立在对两总体均值差进行半参数估计的基础上的。统计模拟发现此方法在数据符合正态性假设时,比常用的参数和非参数方法的检验效能略好;在数据不符合正态性假设时,它的优势就非常明显。第一章是绪论,介绍本文的选题及半参数密度函数比模型的研究现状。第二章在半参数密度函数比模型下,根据最大似然方法算出两总体分布函数的最大半参数似然估计量,接着给出了两总体均值差的最大似然估计量。第三章给出了两总体均值差的半参数估计量渐近服从正态分布的理论结果,同时也给出了半参数估计量优于非参数估计量的理论结果。最后构建了Wald型半参数检验统计量。第四章是统计模拟,分别给出了在数据符合正态性假设和数据不符合正态性假设情况下三种检验方法的显著性水平和检验效能。第五章是两个实例分析。第六章是对文中提出的关于两总体均值差的半参数假设检验方法的总结及研究展望。