带有额外参数连接函数的广义线性模型

本文对广义线性模型中的连接函数引入新的形状参数,提出带有额外参数连接函数的一类广义线性模型;讨论了参数的极大似然估计,并给出了迭代公式;推广了关于广义Logistic 回归模型的额外参数估计的一个结果,并提出了广义对数线性模型.     

一、二阶矩和二阶中心矩同时估计的可容许性

鉴于回归系数月的最重要的估计量是观察值Y的线性函数,二阶中心矩尹和二阶原点矩护十尸的最重要的估计量是Y的非负定二次型,故限制在线性估计类中讨论月的可容许估计以及限制在非负定二次型估计类中讨论沪和尹十尸的可容许估计,越来越受到     

完全区组设计下基于Aligned秩的有方向检验问题

本文基于Aligned秩给出了用于解完全区组设计有方向检验问题的, 我们称之为$C$-检验的检验方法. 本文分别对每个试验单元仅有一个观测值以及等重复观测值和不等重复观测值各种情形下的$C$检验进行了讨论, 并在原假设$H_0$成立时计算了上述各种情形下$C$检验统计量的数学期望和方差, 且证明了$C$检验统计量的渐近分布为正态分布.     

半参数广义线性模型的惩罚似然估计

一、引言我们知道,通常的广义线性模型其联接函数为 g(μ)=η,并且预测η有一已知参数形式,即η=xβ.然而,如果预测依赖于协变量的形式知道的并不很清楚,那么这时采用参数的线性化结构并非总是适当的.当缺乏确切的信息时,有时用非参数方法更可取.但是,当确信某些关系具有一定的参数形式时,完全的非参数方法其效率可能相当低.于是,可以考虑更一般的模型——半参数广义线性模型,它是由 Green 和 Yandell 等一些作者提出来的.这个类包括了通常的广义线性模型及非参数广义线性模型,因而处理问题也就更灵活了.     

含有持久生存数据的复发事件的生存函数的一个非参数方法(英文)

在生物学、社会科学、保险理赔、可靠性和人口统计学等的研究中,我们经常会遇到复发事件数据的处理.最近一段时间以来,两个相邻复发事件的时间间隔的一个纵向数据模型已经引起统计工作者的广泛兴趣.本文中,我们提议另一个复发事件时间间隔模型,它可以用来模拟生存数据中带有所谓的持久生存者.非参数方法将用于我们所提议模型的统计推断,模拟和现实数据的例子将用来评价模型和提议估计方法的小样本性质.     

部分线性回归模型的M-估计

本文讨论部分线性回归模型的M-估计．用局部线性方法给出未知函数的M-估计，用两步估计方法给出参数的M-估计．进一步证明了未知函数的M-估计的弱一致性和渐近正态性，参数的M-估计的弱一致性．     

关于标准参照测验分类一致性信度K指标评鉴标准的探索

汪小寅等．关于标准参照测验分类一致性信度Ｋ指标评鉴标准的探索．本文运用数理统计基本原理和方法,就教育测量中标准参照测验分类一致性信度Ｋ指标评鉴标准进行了初步探索。并在复本测验的情况下,给出了Ｋ指标的点估计,区间估计以及假设检验等问题的计算公式和方法     

残差X—图对平稳可逆ARMA过程数据的检验能力

本文将SPC（Statistical Process Control）技术应用于自相关数据,使用的基本方法是对数据做残差处理,本文给出了对于平稳可逆的ARMA过程数据,在检验过程均值变化方面,残差X－图优于X－图的条件。     

离散参数空间平方损失下的可容许估计

50年代以来,许多统计工作者对单参数指数分布族中参数的可容许性(平方损失下)作了较多讨论,给出了一些线性和非线性(主要的是有理函数)的可容许估计.这些内容可参看文献[1—8].文献[9—11]分别在前面的基础上给出了在平方损失下关于 L 测度几乎可容许估计的一般性定理.这些文献所讨论的参数空间是实数空间上有限或无限的连续区间.本文将讨论离散参数空间(?)={θ_k:θ_k∈R~1,k=1,2,…}.第二节对离散参数空间在平方损失函数 L(g(θ),d)=λ(θ)(d-g(θ))~2下,给出参数函数 g(θ)的估计是可容许的充分条件,第三节以二项分布与爱尔兰分布为例说明了该定理的应用.     

实值随机变量的随机序与对偶随机序

本文讨论随机变量的高阶序问题，1简要地叙述了随机变量排序的经济学含义，主要是期望效用理论与其对偶理论，2讨论了实值随机变量基于分布函数的高阶序问题，给出了其基于期望效用理论的刻画。3讨论的是实值随机变量的基于对偶理论（对偶矩)的高阶序问题，并给出了其基于随机变量的Yarri等价性度量的刻画。