本文選題：混合線性模型 + 不可忽略缺失數(shù)據(jù)��； 參考：《云南大學(xué)》2016年碩士論文

【摘要】：缺失數(shù)據(jù)廣泛存在于生命科學(xué)、農(nóng)業(yè)、社會(huì)經(jīng)濟(jì)、環(huán)境科學(xué)等領(lǐng)域,但經(jīng)典的統(tǒng)計(jì)數(shù)據(jù)研究中,大多是對(duì)完全數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析,因此對(duì)缺失數(shù)據(jù)特別是不可忽略缺失數(shù)據(jù)的研究是非常必要的.混合線性模型是一般線性回歸模型的推廣與發(fā)展,其在研究分析重復(fù)觀測(cè)數(shù)據(jù)(如面板數(shù)據(jù)、縱向數(shù)據(jù))、分組數(shù)據(jù)以及空間數(shù)據(jù)時(shí)都具有明顯的特有優(yōu)勢(shì).混合線性模型不再受制于傳統(tǒng)的線性模型中對(duì)響應(yīng)變量的諸多假設(shè)(如獨(dú)立性、方差齊性),并可以根據(jù)實(shí)際數(shù)據(jù)的特點(diǎn),相對(duì)靈活地確定其協(xié)方差的結(jié)構(gòu).本文用貝葉斯的方法對(duì)包括協(xié)變量和響應(yīng)變量存在不可忽略缺失的混合線性模型進(jìn)行統(tǒng)計(jì)研究,運(yùn)用Gibbs與Metropolis-Hastings抽樣相結(jié)合的辦法處理缺失數(shù)據(jù)與隨機(jī)效應(yīng),從而得到模型參數(shù)的貝葉斯估計(jì),并用三個(gè)模擬試驗(yàn)與一個(gè)實(shí)際例子驗(yàn)證方法的有效性.結(jié)果表明,該方法不僅適用于混合線性模型,也適用于廣義混合線性模型.
[Abstract]:The missing data are widely used in the fields of life science, agriculture, social economy, environmental science and so on. But in the classical statistical data research, most of them are statistical analysis of complete data. Therefore, it is necessary to study the missing data, especially the missing data. Hybrid linear model is a generalization and development of general linear regression model. It has obvious advantages in the research and analysis of repeated observation data (such as panel data, longitudinal data, grouped data and spatial data). The mixed linear model is no longer subject to many assumptions about the response variables (such as independence and homogeneity of variance) in the traditional linear model, and the structure of the covariance can be determined flexibly according to the characteristics of the actual data. In this paper, Bayesian method is used to study the mixed linear model, which includes covariable and response variable. Gibbs and Metropolis-Hastings sampling are used to deal with the missing data and random effect. The Bayesian estimation of the model parameters is obtained, and the effectiveness of the method is verified by three simulation experiments and an actual example. The results show that this method is suitable not only for mixed linear model but also for generalized mixed linear model.
【學(xué)位授予單位】：云南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：O212.8

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 金勇進(jìn);缺失數(shù)據(jù)的加權(quán)調(diào)整(系列之Ⅳ)[J];數(shù)理統(tǒng)計(jì)與管理;2001年05期

2 趙慧秀;馬文卿;;帶有缺失數(shù)據(jù)的估計(jì)方程[J];曲阜師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年03期

3 龐新生;;缺失數(shù)據(jù)處理方法的比較[J];統(tǒng)計(jì)與決策;2010年24期

4 楊金英;崔朝杰;;圖模型方法用于二值變量相關(guān)性分析中缺失數(shù)據(jù)的估計(jì)[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2012年05期

5 帥平;李曉松;周曉華;劉玉萍;;缺失數(shù)據(jù)統(tǒng)計(jì)處理方法的研究進(jìn)展[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2013年01期

6 金勇進(jìn);缺失數(shù)據(jù)的偏差校正(系列三)[J];數(shù)理統(tǒng)計(jì)與管理;2001年04期

7 畢華,李濟(jì)洪;帶有缺失數(shù)據(jù)的聚類分析方法[J];華北工學(xué)院學(xué)報(bào);2003年05期

8 李開(kāi)燦;;有缺失數(shù)據(jù)的META-MARKOV模型的局部計(jì)算[J];應(yīng)用數(shù)學(xué)學(xué)報(bào);2007年03期

9 周偉萍;張德然;楊興瓊;;具有部分缺失數(shù)據(jù)時(shí)兩個(gè)幾何總體的估計(jì)[J];長(zhǎng)春大學(xué)學(xué)報(bào);2008年02期

10 梁怡;;缺失數(shù)據(jù)的插補(bǔ)調(diào)整方法[J];西安文理學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年01期

相關(guān)會(huì)議論文 前8條

1 耿直;葛丹丹;;縱向研究非隨機(jī)缺失數(shù)據(jù)分析[A];中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第12屆學(xué)術(shù)年會(huì)論文集[C];2005年

2 管河山;姜青山;Steven X.Wei;;一種處理缺失數(shù)據(jù)的新方法[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

3 陳楠;劉紅云;;基于增長(zhǎng)模型的缺失數(shù)據(jù)處理方法之比較[A];心理學(xué)與創(chuàng)新能力提升——第十六屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

4 肖進(jìn);賀昌政;;面向缺失數(shù)據(jù)的客戶價(jià)值區(qū)分集成模型研究[A];中國(guó)企業(yè)運(yùn)籌學(xué)[2010(1)][C];2010年

5 曾莉;張淑梅;辛濤;;IRT模型中缺失數(shù)據(jù)處理方法比較[A];第十一屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

6 孫玲;劉浩;袁長(zhǎng)亮;;北京市城市快速路微波檢測(cè)缺失數(shù)據(jù)分析[A];2008第四屆中國(guó)智能交通年會(huì)論文集[C];2008年

7 張香云;;基于EM算法缺失數(shù)據(jù)下混合模型的參數(shù)估計(jì)[A];第十三屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2011年

8 李曉煦;侯杰泰;;結(jié)構(gòu)方程中缺失數(shù)據(jù)的處理:FIML,EM與MI[A];全國(guó)教育與心理統(tǒng)計(jì)測(cè)量學(xué)術(shù)年會(huì)論文摘要集[C];2006年

相關(guān)博士學(xué)位論文 前10條

1 馬友;基于QoS缺失數(shù)據(jù)預(yù)測(cè)的個(gè)性化Web服務(wù)推薦方法研究[D];北京郵電大學(xué);2015年

2 彭清艷;廣義函數(shù)型回歸模型及缺失數(shù)據(jù)模型[D];云南大學(xué);2016年

3 駱汝九;多指標(biāo)綜合評(píng)價(jià)的非參數(shù)方法和缺失數(shù)據(jù)的聚類方法研究[D];揚(yáng)州大學(xué);2011年

4 祝麗萍;幾種缺失數(shù)據(jù)和高維數(shù)據(jù)模型的統(tǒng)計(jì)分析[D];山東大學(xué);2012年

5 賈博婷;缺失數(shù)據(jù)下一類整值時(shí)間序列的統(tǒng)計(jì)推斷[D];吉林大學(xué);2014年

6 劉旭;在完全和缺失數(shù)據(jù)下基于非光滑估計(jì)方程的統(tǒng)計(jì)推斷與變量選擇問(wèn)題[D];云南大學(xué);2010年

7 趙鵬飛;混沌數(shù)據(jù)恢復(fù)與非線性系統(tǒng)的模型參考控制[D];吉林大學(xué);2010年

8 陸福忠;數(shù)據(jù)缺失下的分布函數(shù)估計(jì)問(wèn)題[D];復(fù)旦大學(xué);2007年

9 趙慧秀;可交換的兩值數(shù)據(jù)的統(tǒng)計(jì)分析[D];東北師范大學(xué);2009年

10 付志慧;多維項(xiàng)目反應(yīng)模型的參數(shù)估計(jì)[D];吉林大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 楊利華;缺失數(shù)據(jù)的處理方法研究及應(yīng)用[D];景德鎮(zhèn)陶瓷學(xué)院;2011年

2 袁中萸;多元線性回歸模型中缺失數(shù)據(jù)填補(bǔ)方法的效果比較[D];中南大學(xué);2008年

3 褚培肖;缺失數(shù)據(jù)下的有限混合計(jì)數(shù)數(shù)據(jù)模型的統(tǒng)計(jì)推斷研究[D];昆明理工大學(xué);2015年

4 申寧寧;縱向研究缺失數(shù)據(jù)多重填補(bǔ)及混合效應(yīng)模型分析[D];山西醫(yī)科大學(xué);2015年

5 李少瓊;縱向研究二分類缺失數(shù)據(jù)處理及加權(quán)估計(jì)方程的應(yīng)用[D];山西醫(yī)科大學(xué);2015年

6 高宇釗;比值缺失數(shù)據(jù)的多重估算與心臟康復(fù)二級(jí)預(yù)防干預(yù)效果評(píng)價(jià)及應(yīng)用[D];山西醫(yī)科大學(xué);2015年

7 李順靜;基于EM算法的缺失數(shù)據(jù)的統(tǒng)計(jì)分析及應(yīng)用[D];重慶工商大學(xué);2015年

8 汪靜波;Logistic回歸模型中缺失數(shù)據(jù)的處理[D];南京大學(xué);2015年

9 朱建斐;數(shù)據(jù)集缺失數(shù)據(jù)恢復(fù)算法研究[D];西安電子科技大學(xué);2015年

10 楊旭;多視角數(shù)據(jù)缺失補(bǔ)全問(wèn)題研究[D];北京交通大學(xué);2016年

，

本文編號(hào)：2008474