排序方式: 共有47条查询结果,搜索用时 15 毫秒
1.
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. 相似文献
2.
在使用变量选择方法选出模型后,如何评价模型中变量系数的显著性是统计学重点关注的前沿问题之一.文章从适应性Lasso变量选择方法的选择结果出发,在考虑实践中误差分布多样性的前提下,基于选择事件构造了模型保留变量系数的条件检验统计量,并给出了该统计量的一致收敛性质的证明过程.模拟研究显示,在多种误差分布下所提方法均可进一步优化变量选择结果,有较强的实用价值.应用此方法对CEPS学生数据进行了实证分析,最终选取了学生认知能力等10个变量作为影响中学生成绩的主要因素,为相关研究提供了有益的参考. 相似文献
3.
为探索我国大学生群体与父母亲子关系的内在机制,将满意度模型运用到亲子关系这一领域,主要贡献包括三个方面:基于对国内外文献的归纳和提炼,创新性地建立了大学生与父母亲子关系的指标体系;对美国客户满意度模型进行了修改,得到亲子关系满意度模型;以及运用结构方程模型研究亲子关系满意度的内在机制. 相似文献
4.
企业将资产运用于生产经营活动,并由此赚取更多的资产,即产生公司的收入.因此企业资产与收入之间必定存在一定的相关关系.在对上市公司总资产与营业收入进行一般线性拟合的基础之上,采用分位回归模型对上市公司的总资产与营业收入的关系进行深入剖析.结果表明,传统的线性模型只能揭示出总资产与营业收入呈正相关关系,而分位回归方法能更好地看出,高分位点营业收入的企业在提高一定总资产时,会更能促进营业收入的增长.由于收集到的数据中存在离群点,在第5节讨论了线性分位回归模型的统计诊断,类比于一般线性模型的R square得到不同分位点上的R square.通过删除离群点的处理,得出分位回归模型比一般线性模型更加稳健,数据在高分位点的拟合效果更好一些. 相似文献
5.
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. 相似文献
6.
异方差回归中的广义方差比检验 总被引:1,自引:0,他引:1
在同方差假设之下,线性模型在回归分析的理论与应用方面起着突出的作用,很受许多研究工作者的青睐.然而,回归模型中同方差性这一标准假设不一定总是成立的.因此我们考虑了用一类基于似残差的方法来检验异方差情形下线性模型拟合观测数据的情况.本文既给出了大量的模拟,又给出了实际数据作为应用的例子.效果都很好. 相似文献
7.
处理大规模数据集时,抽样是一种很受欢迎的有效方法。体积抽样作为一种联合抽样的方法,它是按照与矩阵平方的行列式成比例进行抽样。该方法在线性回归模型背景下能得到参数的无偏估计。然而也容易受到异常点的影响,本文感兴趣的是体积抽样受异常点影响的程度。基于数据删除模型和均值漂移模型构建统计量进行异常点诊断,结果发现体积抽样方法在某些情况下极易受异常点影响。但是在给定损失的条件下,比独立同分布抽样所需的子样本量更小,在此基础上,提出样本量的自适应选择方法。作为体积抽样的扩展,杠杆值体积抽样同样可以得到普通最小二乘线性模型参数的无偏估计,一个有趣的发现是使用杠杆值体积抽样,等权最小二乘估计结果比非等权最小二乘估计效果好。 相似文献
8.
相关差是医学中常用的重要指标,慢性病发病常用Poisson分布来拟合.使用鞍点逼近方法构造了相关差的置信区间,同时与传统的4种置信区间的构造方法,利用Monte Carlo模拟进行比较,最后用于实际数据分析.结果表明,鞍点逼近方法在大多数情况下,覆盖率较接近名义水平;在覆盖率差别不大时,鞍点逼近方法构造的区间长度较短;尤其在小样本下,鞍点逼近方法表现最好.所以鞍点逼近是统计量置信区间构造的一个好方法,可在各个领域内进行推广. 相似文献
9.
10.
负二项抽样因其在发病率很低的情况下的优良表现而被广泛应用于流行病学及其它学科之中."需处理数"是一种度量药物疗效的重要指标,它常常用来评价那些结果是二值变量的临床试验所研究的药物的疗效.在实际应用中,通常希望得到需处理数的置信区间,但是目前已有的需处理数的置信区间构造方法都存在一个应用上的难题:区间上限过大以至于不可靠.文章旨在解决需处理数区间上限估计过大的问题,为此提出了需处理数的最短区间构造方法并运用蒙特卡洛模拟方法比较其相对传统方法的优劣,还给出了实际应用的例子.模拟结果表明:改进后的方法能够在控制置信系数的情况下极大地减小区间上限,具有重要的实际价值. 相似文献