非线性再生散度模型的渐近性质

对非线性再生散度模型,给出了类似于Ｆａｈｒｍｅｉｒ＆Ｋａｕｆｍａｎｎ（１９８５）和Ｗｅｉ（１９９８）的正则条件．基于这些正则条件,证明了最大似然估计的存在性、强相合性和渐近正态性,推广了已有文献的工作．     

非线性再生散度模型的Bayes估计

非线性再生散度模型是指数族非线性模型、广义线性模型和正态非线性回归模型的推广和发展,唐年胜等人研究了该模型参数的极大似然估计及其统计诊断。本文基于Gibbs抽样和MH抽样算法讨论非线性再生散度模型参数的Bayes估计。模拟研究和实例分析被用来说明该方法的有效性。     

半参数非线性再生散度模型的渐近推断

对半参数非线性再生散度模型,先引入最佳偏差曲线.再求非参数部分的局部线性估计,然后得到参数的广义边侧极大似然估计.同时,基于正则条件,证明了所得估计的存在性,强相合性和渐近正态性,推广了已有文献的工作.     

半参数再生散度非线性模型中参数的投影核和刀切估计的相合性与渐近正态性

半参数再生散度非线性模型(SRDNM)是再生散度非线性模型和半参数回归模型的自然推广和发展,它包括半参数非线性模型和半参数广义线性模型等特殊模型. 基于非参数部分的局部核估计, 给出了SRDNM模型中参数的投影核估计与刀切估计, 并对其进行了理论比较. 在一定的正则条件下,得到了这两类估计的强相合性与渐近正态性. 相比之下, 刀切估计比投影核估计具有更大的渐近方差. 最后, 模拟研究和实例分析被用来说明所给方法的有效性.     

非线性再生散度随机效应模型似然函数的Laplace逼近

首先提出用Lap lace逼近方法对非线性再生散度随机效应模型的边缘对数似然函数进行近似,然后基于近似的边缘对数似然函数利用F isher'sscoring迭代算法得到了模型参数的极大似然估计.模拟研究和实例分析表明了该算法的可行性.     

指数样本中多个异常值的Unmasking检验

指数样本中多个异常值的非一致性检验因受masking或swamping效应的影响而变得十分的困难和复杂，解决这一问题的关键在于K值的确定，传统的方法是无能为力的．本文基于变量选择的AIC准则的思想提出了异常值检验的一种新方法，它具有不预先指定k，计算简单且通过达到极大化MAIC就能达到确定k和消除检验中的masking或swamping的优点．还给出了易计算检验显著水平的统计量和公式．最后，通过实例的验证标明本文方法的有效性．     

非线性再生散度模型的几何结构及其渐近推断

本文基于唐年胜等(1999)对非线性再生散度模型在欧氏空间建立的微分几何结构导出了与估计有关的随机展开以及与统计曲率有关的若干渐近推断,推广了韦博成等人关于非线性回归模型和指数族非线性模型的相应结果.     

非线性再生散度随机效应模型的渐近性质

对非线性再生散度随机效应模型, 该文给出了类似于Barndroff-Nielson, Cox (1989)和Severin, Wong (1992)的正则条件, 基于这些正则条件和Laplace近似, 证明了该模型参数极大似然估计的存在性、强相合性和渐近正态性.     

非线性再生散度随机效应模型的贝叶斯分析

非线性再生散度随机效应模型是一类非常广泛的统计模型，包括了线性随机效应模型、非线性随机效应模型、广义线性随机效应模型和指数族非线性随机效应模型等．本文研究非线性再生散度随机效应模型的贝叶斯分析．通过视随机效应为缺失数据以及应用结合Gibbs抽样技术和Metropolis-Hastings算法（简称MH算法）的混合算法获得了模型参数与随机效应的同时贝叶斯估计．最后，用一个模拟研究和一个实际例子说明上述算法的可行眭．