發(fā)布時(shí)間：2022-01-23 10:51

　　零膨脹計(jì)數(shù)模型已在社會(huì)經(jīng)濟(jì)、醫(yī)療、刑偵研究等諸多領(lǐng)域得以應(yīng)用.零膨脹Conway-Maxwell-Poisson回歸模型作為為常用的零膨脹計(jì)數(shù)模型之一可以很好的解決數(shù)據(jù)中出現(xiàn)的過(guò)離散與欠離散問(wèn)題.變量選擇方法可以對(duì)大規(guī)�？v向數(shù)據(jù)進(jìn)行處理并從中提取出有用的信息進(jìn)行統(tǒng)計(jì)分析以得到滿意的結(jié)果,其中一類基于懲罰函數(shù)的變量選擇方法受到了統(tǒng)計(jì)學(xué)者們的廣泛關(guān)注.在已有文獻(xiàn)中,對(duì)零膨脹CMP回歸模型的變量選擇方法研究不多.考慮到懲罰廣義估計(jì)方程方法在變量選擇等多方面富有準(zhǔn)確度與高效性的便利,不需依賴復(fù)雜的聯(lián)合似然函數(shù)計(jì)算,還能考慮到數(shù)據(jù)的組間相關(guān)性.因此將該方法應(yīng)用到零膨脹CMP回歸模型中,可以發(fā)揮更多有用的價(jià)值.根據(jù)零膨脹CMP回歸模型中離散參數(shù)?會(huì)影響均值的特點(diǎn),本文選擇了改進(jìn)的ES（Expectation-Solution）算法進(jìn)行迭代,它包含EM（Expectation Maximization）算法與廣義估計(jì)方程方法,優(yōu)勢(shì)是可以將不同參數(shù)有針對(duì)的區(qū)別對(duì)待來(lái)分析縱向數(shù)據(jù).基于改進(jìn)的ES算法,提出模型的變量選擇方法-懲罰廣義估計(jì)方程法,即在廣義估計(jì)方程中加入滿足大樣本特性的SCAD懲罰函數(shù),配合... 

【文章來(lái)源】：遼寧師范大學(xué)遼寧省

【文章頁(yè)數(shù)】：47 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

不同參數(shù)值下CMP分布概率質(zhì)量函數(shù)的變化圖

零膨脹CMP回歸模型的變量選擇261)log(21)()1(log)(112)(1dnmVarpmNNBICnirtititkiti，2)log(21)())1((log)(1122dnyVaryyENNBICnirtitititi．其中inrN，d表示對(duì)應(yīng)模型有效參數(shù)的數(shù)目，常使用非零參數(shù)(不包括截距)來(lái)預(yù)測(cè)d．BIC統(tǒng)計(jì)量的值越小，說(shuō)明模型對(duì)實(shí)際數(shù)據(jù)的擬合效果越好．選擇出使得BIC準(zhǔn)則最小的調(diào)優(yōu)參數(shù)就得出想要的最佳估計(jì)．(3)k-折交叉驗(yàn)證(k-foldCrossValidation，簡(jiǎn)稱k-折CV)在文章中出現(xiàn)交叉驗(yàn)證方法來(lái)進(jìn)行模型選擇的論述最早是在Efron，Morris(1973)[59]中討論的．事實(shí)上，交叉驗(yàn)證方法是一種樣本數(shù)據(jù)分割法，通過(guò)重復(fù)循環(huán)使用樣本，實(shí)現(xiàn)將樣本數(shù)據(jù)利用率的最大化．利用大部分的樣本來(lái)建立模型，再利用剩余小部分樣本對(duì)已建立好的模型進(jìn)行評(píng)估．具體的評(píng)估方法是：使用建好的模型對(duì)剩下樣本進(jìn)行預(yù)測(cè)，并選擇出使殘差平方和最小的模型作為最終的模型．交叉驗(yàn)證方法的假設(shè)條件比較寬松，只假設(shè)數(shù)據(jù)為相同分布，訓(xùn)練與測(cè)試樣本為獨(dú)立的，甚至能夠再放松此假設(shè)條件．因此可以將交叉驗(yàn)證方法應(yīng)用于幾乎任何框架中的任意算法．與此相比大多數(shù)其他的選擇過(guò)程都沒(méi)有該普遍性的特質(zhì)．此外還注意到，最佳的交叉驗(yàn)證風(fēng)險(xiǎn)評(píng)估并不必是最優(yōu)的模型選擇程序．由Breiman和Spector(1992)[60]，留一法能夠使模型得到最佳風(fēng)險(xiǎn)評(píng)估，10-折CV方法在模型選擇的結(jié)果表現(xiàn)上更為準(zhǔn)確．圖3.110-折交叉驗(yàn)證示意圖Fig.3.110-foldCrossValidation

【參考文獻(xiàn)】：
期刊論文
[1]零膨脹損失次數(shù)的貝葉斯分位回歸模型[J]. 楊亮,孟生旺.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2017(05)
[2]兩類零膨脹負(fù)二項(xiàng)回歸模型在汽車保險(xiǎn)定價(jià)中的應(yīng)用[J]. 徐昕,郭念國(guó).  南陽(yáng)師范學(xué)院學(xué)報(bào). 2011(12)



本文編號(hào)：3604200