广义线性模型(二)

本讲座是广义线性模型这个题目的一个比较系统的介绍。主要分 3部分 :建模、统计分析与模型选择和诊断。写作时依据的主要参考资料是L .Fahrmeir等人的《MultivariateStatisticalModelingBasedonGeneralizedLinearModels》。     

广义线性模型(三)

本讲座是广义线性模型这个题目的一个比较系统的介绍。主要分 3部分 :建模、统计分析与模型选择和诊断。写作时依据的主要参考资料是L .Fahrmeir等人的《MultivariateStatisticalModelingBasedonGeneralizedLinearModels》。     

广义线性模型(五)

本讲座是广义线性模型这个题目的一个比较系统的介绍。主要分 3部分 :建模、统计分析与模型选择和诊断。写作时依据的主要参考资料是L .Fahrmeir等人的《MultivariateStatisticalModelingBasedonGeneralizedLinearModels》。     

广义线性模型(九)

本讲座是广义线性模型这个题目的一个比较系统的介绍。主要分3部分:建模、统计分析与模型选择和诊断。写作时依据的主要参考资料是L.Fahrmeir等人的《MultivariateStatisticalMod elingBasedonGeneralizedLinearModels》。     

广义线性模型(四)

本讲座是广义线性模型这个题目的一个比较系统的介绍。主要分 3部分 ;建模、统计分析与模型选择和诊断。写作时依据的主要参考资料是L .Fahrmeir等人的《MultivariateStatisticalModelingBasedonGeneralizedLinearModels》。     

广义线性模型(十)

本讲座是广义线性模型这个题目的一个比较系统的介绍。主要分3部分:建模、统计分析与模型选择和诊断。写作时依据的主要参考资料是L.Fahrmeir等人的《MultivariateStatisticalModelingBasedonGeneralizedLinearModels》。     

广义线性模型(八)

本讲座是广义线性模型这个题目的一个比较系统的介绍。主要分3部分:建模、统计分析与模型选择和诊断。写作时依据的主要参考资料是L.Fahrmeir等人的《MultivariateStatisticalModel ingBasedonGeneralizedLinearModels》     

广义线性模型(一)

本讲座是广义线性模型这个题目的一个比较系统的介绍。主要分 3部分 :建模、统计分析与模型选择和诊断。写作时依据的主要参考资料是L .Fahrmeir等人的《MultivariateStatisticalModelingBasedonGeneralizedLinearModels》。     

广义线性模型(六)

本讲座是广义线性模型这个题目的一个比较系统的介绍。主要分 3部分 :建模、统计分析与模型选择和诊断。写作时依据的主要参考资料是L .Fahrmeir等人的 :《MultivariateStatisticalModel ingBasedonGeneralizedLinearModles》。     

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。     

�������ݹ��岿������ģ�͵Ķ����ƶ��ƶϺ�������

In this paper, the semiparametric generalized partially linear models (GPLMs) for longitudinal data is studied. We approximate the nonparametric function in the GPLMs by a regression spline, and use quadratic inference functions (QIF) to take the within-cluster correlation into account without involving direct estimation of nuisance parameters in the correlation matrix. We establish the asymptotic normality of the resulting estimators. The finite sample performance of the proposed methods is evaluated through simulation studies and a real data analysis.