半参数广义线性模型的影响分析与异常点检验

统计诊断就是对统计推断方法解决问题的全过程进行诊断，而影响分析是统计诊断中十分重要的分支．本文针对半参数广义线性模型，证明了数据删除模型和均值漂移模型的等价性定理，给出了诸如广义Cook距离等诊断统计量并研究了异常点的Score检验统计量，最后通过实例验证了本文给出的诊断方法的有效性。     

半参数广义线性随机效应模型的影响分析

该文系统研究了半参数广义线性随机效应模型的统计诊断与影响分析方法, 证明了数据删除模型和均值漂移模型的等价性定理, 给出了广义Cook距离等诊断统计量及异常点的Score检验统计量并研究了该模型的局部影响分析,分别对加权扰动模型, 响应变量扰动模型得到了影响距阵的计算公式, 最后通过一个实例验证了文中给出诊断方法的有效性.     

非线性回归模型的经验似然诊断

经验似然方法已经被广泛用于线性模型和广义线性模型.本文基于经验似然方法对非线性回归模型进行统计诊断.首先得到模型参数的极大经验似然估计;其次基于经验似然研究了三种不同的影响曲率度量;最后通过一个实际例子,说明了诊断方法的有效性.     

混合双重广义线性模型的参数估计

在实际应用中,不同类别的数据统计特性存在差异,所以对异质总体的研究非常有必要.基于总体一,二阶矩存在,利用双重广义线性模型对异质总体的不同子类数据的均值和散度同时建模,研究提出了混合双重广义线性模型.然后,利用EM算法构造了模型参数的最大扩展拟似然估计和最大伪似然估计.最后,通过随机模拟和实例研究,结果表明模型和方法的有效性和有用性.     

偏正态数据下联合位置与尺度模型的统计诊断

本文研究偏正态数据下联合位置与尺度模型,考虑基于数据删除模型的参数估计和统计诊断,比较删除模型与未删除模型相应统计量之间的差异.首次提出基于联合位置与尺度模型的诊断统计量和局部影响分析.通过模拟研究和实例分析,给出不同的诊断统计量来判别异常点或强影响点,研究结果表明本文提出的理论和方法是有用和有效的.     

基于经验似然的部分线性模型的统计诊断

经验似然方法己经被广泛应用于许多模型的统计推断.本文基于经验似然对部分线性模型进行统计诊断.首先给出模型的估计方程,进而得到模型参数的极大经验似然估计;其次,基于经验似然研究了三种不同的影响曲率;最后通过随机模拟和实例分析,说明了统计诊断方法的有效性.     

变系数广义线性模型及其估计

本文以经典广义线性模型为基础,通过假定其中的回归变量的系数是某一度量空间中点的任意函数,提出了一类有广泛应用背景的变系数广义线性模型,增加了模型的灵活性和适应性,同时也适用于空间数据的统计分析。基于局部加权最大似然估计方法,文章讨论了变系数广义线性模型的拟合与统计推断,以及与之相关的局部权系统和其中光滑参数的确定。     

缺失数据下双重广义线性模型的经验似然推断

本文基于截面经验似然的方法,在响应变量随机缺失时,将双重广义线性模型的拟似然估计方程作为截面经验似然比函数的约束条件,构造了均值模型和散度模型未知参数的置信区间.数据模拟中,在完全数据集,逆概率加权填补所得的数据集和未加权填补所得的数据集三种情形下,将经验似然方法与正态逼近方法相比较.结果表明在双重广义线性模型中,逆概率加权这一填补方法和经验似然方法是有效和可行的.     

双重广义线性模型的经验似然推断

基于截面经验似然方法,将双重广义线性模型的拟似然估计方程作为截面经验似然比函数的约束条件,构造了均值模型和散度模型未知参数的置信区间.最后通过数据模拟,将该方法与正态逼近方法比较,说明了该方法是有效和可行的.     

缺失数据下双重广义线性模型的参数估计

在经济领域和工业产品质量改进试验中,对均值和散度同时建模十分必要;在数据采集过程中,时常会遇到数据缺失问题.文章基于上述两点,研究缺失数据下的双重广义线性模型的参数估计,采用最近距离插补和反距离加权插补对缺失数据进行处理,并应用最大扩展拟似然估计和最大伪似然估计两种估计方法对未知参数进行估计.随机模拟和实例结果表明,该模型和所应用的方法是有用和有效的.     

基于似然函数的纵向数据线性混合模型影响分析

线性混合模型在纵向数据分析中有广泛应用,应用点删除法研究纵向数据线性混合模型影响分析问题.采用的影响度量是基于似然函数构造的广义Cook距离,推导出两种广义Cook距离并用于实际数据分析和统计模拟分析,实际数据分析和统计模拟分析结果都说明该方法是行之有效的.     

基于经验似然的AR(p)模型的统计诊断

本文基于经验似然方法对AR(p)模型进行统计诊断,文章首先给出p阶自回归模型的广义估计函数并对模型参数进行估计,然后运用数据删失、局部影响分析和伪残差方法对AR(p)模型进行统计诊断,最后通过实证来说明该诊断方法的有效性.     

Logistic回归模型的经验似然诊断

经验似然方法已经被广泛用于许多模型的统计推断.基于经验似然对Logistic回归模型进行统计诊断.首先给出模型的估计方程,进而得到模型参数的极大经验似然估计;其次,基于经验似然研究了三种不同的影响曲率;最后通过实例分析,说明了统计诊断方法的有效性.     

分层广义线性模型在准备金评估中的建模研究

考虑到赔付流量三角形数据同一事故年反复观测的纵向特征以及数据结构的层次性,建立了分层广义线性模型.与通常的随机模型相比,分层广义线性模型不但可以选择条件反应变量的分布而且风险参数分布范围也更加广泛.利用h-似然函数估计分层广义线性模型的模型参数,降低了计算量.为使模型具有可比性,评估模型的预测精度,推导了模型预测误差的估计式.为充分利用已知赔付信息,将赔付额和赔付次数两种赔付信息纳入未决赔款准备金评估模型,建立了两阶段分层广义线性模型.在线性预测量中考虑了各种固定效应和随机效应以及模型结构的散布参数,改进了线性预估量结构.研究表明:分层广义线性模型对于数据的各种分布及形式都具有很好的适应性,更加符合保险实务现实的赔付规律.     

因变量缺失下部分线性可加模型的估计和检验

本文研究部分线性可加模型在因变量存在缺失情形下的统计推断问题. 首先基于完整数据方法提出了参数分量的Profile 最小二乘估计并证明估计量的渐近正态性. 为了给出参数分量的区间估计,构造了渐近分布为卡方分布的经验似然统计量. 为了检验参数分量的线性约束条件, 构造了调整的广义似然比检验统计量, 当原假设成立时其渐近分布为卡方分布,从而将广义似然比检验推广到了缺失数据情形. 最后通过数值模拟验证所提方法的有效性.     

基于模糊Cook距离的模糊线性回归模型的统计诊断

针对确定输入、模糊输出的模糊线性回归分析模型,采用最小二乘法,讨论了模糊线性回归模型的数据删除模型的参数估计,将建立在确定性数据基础上的线性回归模型统计诊断量Cook距离推广到模糊线性回归分析模型中,构造了统计诊断量—模糊Cook距离,通过数值模拟和对实际例子的研究,识别出其中的强影响点,得出与其它方法相同的结论,表明本文构造的统计诊断量是有效的,且应用比其它方法更方便.     

基于对数正态分布下联合均值与散度广义线性模型的极大似然估计

基于对数正态分布研究提出了联合均值与散度广义线性模型,给出了此模型参数的极大似然估计,模拟和实例显示该模型和方法是有用和有效的.     

指数族半参数非线性模型的统计诊断和影响分析

本文研究了指数族半参数非线性模型的统计诊断和影响分析方法,得到了一系列识别异常点和强影响点的诊断统计量．数值例子验证了本文给出的诊断方法的有效性．     

基于ARFIMA-GARCH模型的混成检验

本文研究了ARFIMA-GARCH模型的混成检验问题.基于拟极大指数似然估计,给出了平方残差自相关函数的渐近性,进而建立了基于平方残差自相关函数的混成检验统计量.通过实例分析,表明可利用基于平方残差自相关函数的混成检验统计量来诊断检验由拟极大指数似然估计方法拟合的ARFIMA-GARCH模型.     

联合广义线性模型中的变量选择

在联合广义线性模型中,均值和散度参数都被赋予了广义线性模型的结构,本文主要考虑该模型的变量选择问题. 文章利用扩展拟似然函数,提出了一个适用于联合广义线性模型的新的变量选择准则(EAIC),该准则是Akaike信息准则的推广.论文通过模拟研究和一个实例分析验证了该准则的效果.