混合雙重廣義線性模型的統(tǒng)計(jì)推斷
發(fā)布時(shí)間:2021-06-13 01:30
線性模型是一種研究變量間關(guān)系的統(tǒng)計(jì)模型,廣泛地應(yīng)用于生物、醫(yī)學(xué)、管理、經(jīng)濟(jì)等領(lǐng)域.由于因變量有可能是離散的,因而需要將線性模型推至廣義線性模型.在實(shí)際問(wèn)題中,如果只對(duì)總體數(shù)據(jù)進(jìn)行分析,得到的結(jié)論往往會(huì)出現(xiàn)偏差.針對(duì)這類問(wèn)題,需要對(duì)異質(zhì)總體同時(shí)建模.在異質(zhì)總體中,混合回歸模型是一種重要的分析工具.另外,為了能更好地了解異質(zhì)總體的方差來(lái)源和有效地控制方差,同時(shí)對(duì)方差建模很有必要.在經(jīng)典的廣義線性模型中,響應(yīng)變量之間可能存在相關(guān)性,可能會(huì)出現(xiàn)所謂的"超散布性".其分布不再是指數(shù)族分布的標(biāo)準(zhǔn)形式,那么用極大似然方法估計(jì)參數(shù)就不再適用,由此發(fā)展了擬似然估計(jì)方法.在擬似然估計(jì)方法中只需要假定總體的前一、二階矩存在.本文結(jié)構(gòu)如下:首先,根據(jù)不同的統(tǒng)計(jì)特性將總體分為兩類或兩類以上,僅對(duì)均值建立模型,得到混合廣義線性模型;利用EM算法得到參數(shù)的偽似然估計(jì)和擴(kuò)展擬似然估計(jì),再通過(guò)Monte Carlo模擬驗(yàn)證模型的有效性,并通過(guò)實(shí)例數(shù)據(jù)驗(yàn)證了其實(shí)用性和可行性.其次,針對(duì)異質(zhì)總體異方差數(shù)據(jù),對(duì)均值建模的同時(shí)也對(duì)散度建模,得到混合雙重廣義線性模型;然后,采用EM算法進(jìn)行參數(shù)估計(jì);再通過(guò)Monte Carlo模...
【文章來(lái)源】:昆明理工大學(xué)云南省
【文章頁(yè)數(shù)】:50 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究的問(wèn)題
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.3 模型概論
1.3.1 廣義線性模型
1.3.2 雙重廣義線性模型
1.4 異質(zhì)總體及EM算法簡(jiǎn)述
1.5 本文內(nèi)容及結(jié)構(gòu)安排
第二章 混合廣義線性模型的參數(shù)估計(jì)
2.1 混合廣義線性模型
2.2 混合廣義線性模型的EM算法
2.2.1 擴(kuò)展擬似然方法
2.2.2 偽似然方法
2.3 Monte Carlo模擬
2.4 實(shí)例分析
2.5 小結(jié)
第三章 混合雙重廣義線性模型的參數(shù)估計(jì)
3.1 混合雙重廣義線性模型
3.2 混合雙重廣義線性模型的EM算法
3.2.1 擴(kuò)展擬似然方法
3.2.2 偽似然方法
3.3 Monte Carlo模擬
3.4 實(shí)例分析
3.5 小結(jié)
第四章 混合雙重廣義線性模型的變量選擇
4.1 基于懲罰似然估計(jì)的變量選擇
4.1.1 懲罰極大似然估計(jì)
4.1.2 漸近性
4.2 迭代計(jì)算
4.3 選擇調(diào)整參數(shù)
4.4 模擬研究
4.5 小結(jié)
第五章 結(jié)論與展望
致謝
參考文獻(xiàn)
攻讀碩士期間發(fā)表和完成的相關(guān)論文
【參考文獻(xiàn)】:
期刊論文
[1]Logistic分布下聯(lián)合位置與尺度模型的變量選擇[J]. 李玲雪,吳劉倉(cāng),邱貽濤. 統(tǒng)計(jì)與決策. 2014(20)
[2]聯(lián)合均值與方差模型的變量選擇[J]. 吳劉倉(cāng),張忠占,徐登可. 系統(tǒng)工程理論與實(shí)踐. 2012(08)
[3]Box-Cox變換下聯(lián)合均值與方差模型的極大似然估計(jì)[J]. 吳劉倉(cāng),黃麗,戴琳. 統(tǒng)計(jì)與信息論壇. 2012(05)
[4]缺失數(shù)據(jù)下多元正態(tài)模型Monte Carlo EM算法[J]. 王繼霞,劉次華. 鄭州大學(xué)學(xué)報(bào)(理學(xué)版). 2011(03)
[5]聯(lián)合廣義線性模型中的變量選擇(英文)[J]. 王大榮,張忠占. 應(yīng)用概率統(tǒng)計(jì). 2009(03)
[6]Monte Carlo EM加速算法[J]. 羅季. 應(yīng)用概率統(tǒng)計(jì). 2008(03)
本文編號(hào):3226710
【文章來(lái)源】:昆明理工大學(xué)云南省
【文章頁(yè)數(shù)】:50 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究的問(wèn)題
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.3 模型概論
1.3.1 廣義線性模型
1.3.2 雙重廣義線性模型
1.4 異質(zhì)總體及EM算法簡(jiǎn)述
1.5 本文內(nèi)容及結(jié)構(gòu)安排
第二章 混合廣義線性模型的參數(shù)估計(jì)
2.1 混合廣義線性模型
2.2 混合廣義線性模型的EM算法
2.2.1 擴(kuò)展擬似然方法
2.2.2 偽似然方法
2.3 Monte Carlo模擬
2.4 實(shí)例分析
2.5 小結(jié)
第三章 混合雙重廣義線性模型的參數(shù)估計(jì)
3.1 混合雙重廣義線性模型
3.2 混合雙重廣義線性模型的EM算法
3.2.1 擴(kuò)展擬似然方法
3.2.2 偽似然方法
3.3 Monte Carlo模擬
3.4 實(shí)例分析
3.5 小結(jié)
第四章 混合雙重廣義線性模型的變量選擇
4.1 基于懲罰似然估計(jì)的變量選擇
4.1.1 懲罰極大似然估計(jì)
4.1.2 漸近性
4.2 迭代計(jì)算
4.3 選擇調(diào)整參數(shù)
4.4 模擬研究
4.5 小結(jié)
第五章 結(jié)論與展望
致謝
參考文獻(xiàn)
攻讀碩士期間發(fā)表和完成的相關(guān)論文
【參考文獻(xiàn)】:
期刊論文
[1]Logistic分布下聯(lián)合位置與尺度模型的變量選擇[J]. 李玲雪,吳劉倉(cāng),邱貽濤. 統(tǒng)計(jì)與決策. 2014(20)
[2]聯(lián)合均值與方差模型的變量選擇[J]. 吳劉倉(cāng),張忠占,徐登可. 系統(tǒng)工程理論與實(shí)踐. 2012(08)
[3]Box-Cox變換下聯(lián)合均值與方差模型的極大似然估計(jì)[J]. 吳劉倉(cāng),黃麗,戴琳. 統(tǒng)計(jì)與信息論壇. 2012(05)
[4]缺失數(shù)據(jù)下多元正態(tài)模型Monte Carlo EM算法[J]. 王繼霞,劉次華. 鄭州大學(xué)學(xué)報(bào)(理學(xué)版). 2011(03)
[5]聯(lián)合廣義線性模型中的變量選擇(英文)[J]. 王大榮,張忠占. 應(yīng)用概率統(tǒng)計(jì). 2009(03)
[6]Monte Carlo EM加速算法[J]. 羅季. 應(yīng)用概率統(tǒng)計(jì). 2008(03)
本文編號(hào):3226710
本文鏈接:http://sikaile.net/kejilunwen/yysx/3226710.html
最近更新
教材專著