混合效應(yīng)模型在縱向數(shù)據(jù)處理領(lǐng)域中具有廣泛應(yīng)用。在現(xiàn)有關(guān)于該模型的研究中,通常假定其隨機效應(yīng)與誤差項均服從正態(tài)分布。然而,實際數(shù)據(jù)卻更常見地呈現(xiàn)出非對稱、多峰等非正態(tài)分布特征。若繼續(xù)沿用傳統(tǒng)的正態(tài)分布假定進行統(tǒng)計推斷,易缺乏穩(wěn)健性、降低統(tǒng)計精度。另一方面,現(xiàn)有研究在對混合效應(yīng)模型作參數(shù)估計時,大多運用最小二乘估計與極大似然估計。然而,這些方法僅著眼于當(dāng)前數(shù)據(jù),未能充分利用變量的先驗分布信息。鑒于此,本文針對偏正態(tài)混合效應(yīng)模型,結(jié)合數(shù)據(jù)先驗信息,以經(jīng)驗貝葉斯方法對模型固定效應(yīng)和偏度參數(shù)進行估計。首先,本文根據(jù)參數(shù)先驗分布中共軛分布理論,確定固定效應(yīng)與偏度參數(shù)的先驗分布,并將超參數(shù)和模型參數(shù)分為感興趣參數(shù)和冗余參數(shù)。其次,基于模型的偏正態(tài)密度函數(shù),利用隨機變量形式的貝葉斯定理給出感興趣參數(shù)的后驗密度函數(shù)及冗余參數(shù)的似然函數(shù)。進一步,綜合運用極大似然估計和MCMC技術(shù)對參數(shù)進行估計。進而,可得到模型固定效應(yīng)與偏度參數(shù)的經(jīng)驗貝葉斯估計及其算法。最后,將經(jīng)驗貝葉斯估計應(yīng)用于我國中北部地區(qū)物流需求的影響因素分析。模擬結(jié)果表明,在小樣本情形下,變動固定效應(yīng)維數(shù)與分布,經(jīng)驗貝葉斯估計在均方誤差意義下大部... 

【文章來源】：杭州電子科技大學(xué)浙江省

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１不同參數(shù)值下偏正態(tài)密度函數(shù)曲線??２．１．２多元偏正態(tài)分布??

?杭州電子科技大學(xué)碩士論文???性質(zhì)２．６若義￣５＾？（／／，２，６〇，則Ｘ的均值向量和協(xié)方差陣分別為??￡（Ｘ）?＝?＂?＋?＾７ｒ＾ｉ７Ｉ，?Ｃｏｖ（Ｘ）?＝?ｔ／２（ｌｎ－?。??Ｖ?ｎ?（＼－＼－ａ?ａ）?＼?７ｒ（＼?＋?ａ?ａ）Ｊ??可參見葉仁道和羅堃（２０１６）?［４８］。下圖顯示了位置參數(shù)為０，尺度參數(shù)為０．７／？，??偏度參數(shù)為２的二元偏正態(tài)密度函數(shù)曲線。??

當(dāng)護10，變動心分布時，冗余參數(shù)收斂圖

【參考文獻】：
期刊論文
[1]互聯(lián)網(wǎng)環(huán)境下的區(qū)域物流需求分析研究[J]. 張衡,金燕生,郭航.  商業(yè)經(jīng)濟研究. 2018(01)
[2]互聯(lián)網(wǎng)環(huán)境下的區(qū)域物流需求分析研究[J]. 劉振名,馬曉輝,張愛國.  無線互聯(lián)科技. 2017(12)
[3]基于貝葉斯參數(shù)估計的期貨市場交易成本、流動性與資產(chǎn)定價研究[J]. 劉志東,姜玲.  管理科學(xué). 2017(01)
[4]貝葉斯偏正態(tài)線型混合模型的應(yīng)用[J]. 王明高.  統(tǒng)計與決策. 2015(13)
[5]Inferences in Linear Mixed Models with Skew-normal Random Effects[J]. Ren Dao YE,Tong Hui WANG.  Acta Mathematica Sinica. 2015(04)
[6]基于MCMC算法的貝葉斯面板單位根檢驗[J]. 李素芳,朱慧明,李榮.  湖南大學(xué)學(xué)報(自然科學(xué)版). 2015(01)
[7]江蘇省物流需求影響因素分析及預(yù)測[J]. 李磊,單丹.  科技與經(jīng)濟. 2013(06)
[8]基于變位置參數(shù)貝葉斯預(yù)測銀行內(nèi)部欺詐研究[J]. 高麗君,豐吉闖.  中國管理科學(xué). 2012(02)
[9]區(qū)域物流需求影響因素分析[J]. 張偉.  現(xiàn)代商貿(mào)工業(yè). 2012(04)
[10]基于Gibbs抽樣算法的面板數(shù)據(jù)分位回歸方法[J]. 羅幼喜,李翰芳,田茂再.  統(tǒng)計研究. 2011(07)

博士論文
[1]基于物流需求多樣性的區(qū)域物流規(guī)劃方法研究[D]. 陳思.西南交通大學(xué) 2013

碩士論文
[1]中國分區(qū)域居民消費模型的貝葉斯估計研究[D]. 王鳳龍.首都經(jīng)濟貿(mào)易大學(xué) 2017
[2]帶有不可忽略缺失數(shù)據(jù)的混合線性模型的貝葉斯統(tǒng)計推斷[D]. 雷偉.云南大學(xué) 2016
[3]線性混合效應(yīng)模型下的方差分量推斷[D]. 趙延.北京工業(yè)大學(xué) 2015



本文編號：3492609