带有二元连接函数的半参数模型

提出了一种新的带有二元连接函数的广义半参数模型,即二元连接模型(简称为BLM).使用轮廓似然方法估计模型的参数和非参数部分,并给出了计算算法.证明了所得的未知参数的估计量为n~(1/2)-相合,渐近正态且具有渐近最小方差,给出了实际数据分析和模拟研究,最终采用局部功效方法来检验非参数部分的线性性.     

基于分位广义双曲分布的联合建模

众所周知,广义双曲(generalized hyperbolic,GH)分布因具有比高斯分布更好的拟合而在金融时间序列建模方面有着广泛的应用,例如用GH分布拟合观察到的对数收益数据,因为高斯分布不能捕捉到外汇汇率对数收益标准化后的极端值的半重尾性质.然而,在实践中我们很少使用广义双曲分布,因为很难同时有效地得到5个参数的估计.为了克服这个困难,我们对响应变量服从广义双曲分布的数据提出了一种新的联合建模的方法,其中参数可以通过协变量的简单线性和对数线性形式进行建模.此外,我们分别用使用EM算法和鞍点逼近方法来对参数和分位数进行估计.并证明了分位数估计量的相合性和渐近正态性.     

失混合效应模型的分位回归及变量选择

纵向数据常常用正态混合效应模型进行分析.然而,违背正态性的假定往往会导致无效的推断.与传统的均值回归相比较,分位回归可以给出响应变量条件分布的完整刻画,对于非正态误差分布也可以给稳健的估计结果．本文主要考虑右删失响应下纵向混合效应模型的分位回归估计和变量选择问题．首先,逆删失概率加权方法被用来得到模型的参数估计．其次,结合逆删失概率加权和LASSO惩罚变量选择方法考虑了模型的变量选择问题.蒙特卡洛模拟显示所提方法要比直接删除删失数据的估计方法更具优势．最后,分析了一组艾滋病数据集来展示所提方法的实际应用效果．     

零膨胀泊松分布参数的固定宽度置信区间构造方法

评估置信区间的两个常用准则为区间宽度与覆盖率,研究同时达到给定的区间长度与名义覆盖率的区间估计在实际应用中有重要的价值,但这在固定样本量的情况下是无法实现的.应用序贯方法和两阶段抽样方法,乃至多阶段抽样方法是解决这一问题的常用途径.本文对零膨胀泊松分布的两个参数,取零概率p和泊松均值参数λ,进行了固定宽度置信区间的序贯方法和两阶段方法的研究,证明了所提出的所有序贯过程与两阶段过程的渐近相合性与有效性,并通过蒙特卡罗模拟研究展示了所提出方法的效果,并考虑了不同情况下最优固定样本量随两个参数的变化趋势,并通过实证分析来说明方法的应用价值.     

超高维竞争风险模型的特征筛选

在生存分析中,已有一些文献提出处理普通时间事件数据的Cox模型的超高维变量选择方法.然而,对于个体处在多个互斥事件的风险下,即存在竞争风险情形,并不能直接应用这些方法.一个分析竞争风险数据的常用模型就是比例子分布风险(proportional subdistribution hazard,PSH)模型.本文基于确定联合筛选(sure joint screening,SJS)和惩罚近似对数部分似然,对于超高维的PSH模型提出了两阶段变量选择方法,并证明了第一步特征筛选方法的确定筛选性质(sure screening property),即选出的变量集合以概率1渐近地包含实际的显著变量.本文通过Monte Carlo模拟展现了方法的性能和表现,并与确定独立筛选(sure independence screening)方法进行了比较.最后将方法应用到一个关于膀胱癌的公开数据集的分析中.