NMAR机制下非线性均值方差模型的Bayes估计

讨论响应变量带有不可忽略缺失数据的非线性均值方差模型的Bayes估计问题.缺失数据机制由logistic回归模型来指定,运用Gibbs抽样及MH算法得到模型参数和缺失数据机制参数的联合Bayes估计,模拟研究和实例分析展示上述模型和方法的可行性.     

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。     

一类非线性回归模型参数的广义LS估计

在一无非线性回归模型中，有一类模型可用变量代换Ｘ＝（ｘ），Ｙ＝ψ（ｘ，ｙ）化为线性回归。对这类模型，本文提出用广义ＬＳ法对其参数进行估计，可解决一般ＬＳ法估计这类模型参数的不足，使回归精度提高。     

二个四参数增长曲线模型参数初始值的确定方法与模型应用

对非线性回归模型进行非线性最小二乘估计一般需要确定参数初始值.在非线性回归模型中,General Logistic模型和Von Bertalanffy模型是二个含有四参数的增长曲线模型,对数据的拟合有较强的适应性,应用较为广泛.本文给出这两个模型参数初始值的确定方法,并应用于实际拟合,得到很好的效果.     

Bayes估计的进一步研究及其Pitman最优性

对线性模型参数,讨论了Bayes估计的Pitman最优性,将已有结果进行了改进,去掉了附加条件,证明了在Pitman准则下,Bayes估计一致优于最小二乘估计(LSE),在此基础上,提出了一种基于先验信息的方差分量估计,通过和基于LSE的方差分量估计作比较,证明了新估计是无偏估计且有更小的均方误差．最后,证明了在Pitman准则下生长曲线模型参数的Bayes估计优于最佳线性无偏估计．     

非线性测量误差模型的影响分析

本文对非线性测量误差模型给出了统一的诊断方法,并证明了数据删除模型与均值漂移模型的等价性,由此出发得到了Cook距离、残差、杠杆值等诊断统计量.本文还讨论了非线性测量误差模型的局部影响分析,并给出了一个具体应用实例.推广了Zhao & Lee(1995)的结果.     

非零截距线性和非线性回归模型的T-型稳健估计算法

首先给出非零截距线性模型T-型估计的模型与EM算法,其次给出非线性回归模型参数的T-型估计,利用泰勒级数对模型线性化,得到参数估计的迭代算法,最后用数值模拟实验验证了该算法的正确性和证实了T-型估计的稳健性.     

Tweedie复合泊松回归模型的Bayes估计和影响分析

Tweedie复合泊松回归模型在精算科学,环境科学等领域有广泛的应用.为了研究Tweedie复合泊松回归模型的Bayes估计,在模型中引入潜变量,并通过视潜变量为缺失数据以及应用结合Gibbs抽样技术和Metropolis-Hastings(MH)算法的混合算法,获得了模型的参数和潜变量的联合Bayes估计.在估计理论的基础上,提出了两类Bayes数据删除影响测度及其相应的算法.最后通过模拟研究和实例分析验证了所给方法的有效性.     

基于众数回归的变系数部分非线性模型的稳健估计

针对变系数部分非线性模型,提出了一种稳健的基于众数回归的两阶段估计方法.首先,基于B-样条函数近似系数函数,利用QR正交分解技术构造了非线性模型,得到了参数的非线性最小二乘估计.其次,提出了变系数函数的众数回归估计量.在一定条件下,证明了估计量的渐近性质.通过数值模拟和实际数据分析,说明了所提估计方法的有效性.     

固定效应时异系数广义空间自回归模型的估计与模拟

空间面板数据模型常呈现时异特征,现实经济现象中的空间关联多带有时异特性。基于此,本文构建固定效应时异系数广义空间自回归模型,首先采用拟极大似然(QML)方法估计模型并证明参数估计量的渐近性,其次依据贝叶斯(Bayes)公式推出参数后验分布并设计MCMC抽样,最后基于数值模拟比较两种方法在有限样本下的模拟情况,结合具体实例对比分析两种方法的实际估计效果。结果发现:一方面,两种方法的参数模拟均方误差都表现出随样本个体数目的增大而减小,表明增加观测个体数目能显著降低参数模拟偏差。另一方面,Bayes估计的均方误差都小于QML估计,说明Bayes估计比QML估计更可靠。     

A Flexible Model for Generalized Linear Regression with Measurement Error

This paper focuses on the question of specification of measurement error distribution and the distribution of true predictors in generalized linear models when the predictors are subject to measurement errors. The standard measurement error model typically assumes that the measurement error distribution and the distribution of covariates unobservable in the main study are normal. To make the model flexible enough we, instead, assume that the measurement error distribution is multivariate t and the distribution of true covariates is a finite mixture of normal densities. Likelihood–based method is developed to estimate the regression parameters. However, direct maximization of the marginal likelihood is numerically difficult. Thus as an alternative to it we apply the EM algorithm. This makes the computation of likelihood estimates feasible. The performance of the proposed model is investigated by simulation study.     

测量误差数据下线性模型的几乎无偏岭估计

文章讨论带测量误差的线性模型中参数估计的问题.当带测量误差的线性模型存在复共线的时候,通过几乎无偏估计的思想,提出了几乎无偏岭估计,并对估计的性质进行分析.通过研究发现几乎无偏岭估计不但能克服复共线性,同时有比较小的均方误差.     

An influence statistic for linear measurement error models

Detection of multiple outliers or subset of influential points has been rarely considered in the linear measurement error models. In this paper a new influence statistic for one or a set of observations is generalized and characterized based on the corrected likelihood in the linear measurement error models. This influence statistic can be expressed in terms of the residuals and the leverages of linear measurement error regression. Unlike Cook’s statistic, this new measure of influence has asymptotically normal distribution and is able to detect a subset of high leverage outliers which is not identified by Cook’s statistic. As an illustrative example, simulation studies and a real data set are analysed.     

��Ԫ���ṹBerkson�������ģ�͵ķ���

Berkson测量误差模型在工业、农业、流行病学、经济学 等领域有广泛的应用. 本文考虑了一类多元超结构Berkson测量误差模型, 给出了该模型中参数的相合估计, 推导了估计的渐近分布, 并把该方法应用到一元超结构Berkson测量误差模型中, 最后给出了模拟结果和实例分析来说明本文所提出的估计方法的表现.     

基于重复测量数据的Poisson回归模型的偏大离差的Score检验

Poisson回归模型广泛应用于分析计数型数据 ,Dean&Lawless(1989)和Dean(1992 )讨论了非重复测量得到的计数型数据的偏大离差存在性的检验问题 .本文分别利用随机系数模型和对数非线性模型讨论了基于重复测量得到的计数型数据的偏大离差的检验问题 ,得到了检验的score统计量 .     

ASSESSMENT OF LOCAL INFLUENCE IN MULTIVARIATE REGRESSION MODEL

1Intr0ductionRegressi0ndiagnosticsandinfluenceanalysis,asatechlliquetoinvestigatethefittingresu1t0fmodelandinfluentialpatternsinthedatasets,hadbeenpaidgreatattentioninrecentyears.Someworksweresummarizedinseveralb00ks(see[1]-[3l),muchofwhichemphasizedtlieidentilicati0nofinfiuentialpointsandinvo1vedde1etionofthedatacases.[4jemP1oyedlocalinfluenceana1ysisasana1ternativetechniquet0studytheidentificati0nofinfluentia1p0ints-inwhichtl1en0rma1curvature0finfluencegrapl1basedon1ikelih0oddisplacementatnu…     

线性度量误差模型的序列相关检验

回归模型的序列相关检验是经济和金融数据分析中的一项重要的工作.基于最小二乘残差,作者提出了一个检验统计量以检验线性度量误差模型的误差序列是否存在序列相关性.在零假设下,得到了检验统计量的渐近分布.数值模拟结果表明,这里提出的检验统计量具有良好的有限样本性质.     

Bayesian estimation of regression parameters in elliptical measurement error models

The main object of this paper is to discuss the Bayes estimation of the regression coefficients in the elliptically distributed simple regression model with measurement errors. The posterior distribution for the line parameters is obtained in a closed form, considering the following: the ratio of the error variances is known, informative prior distribution for the error variance, and non-informative prior distributions for the regression coefficients and for the incidental parameters. We proved that the posterior distribution of the regression coefficients has at most two real modes. Situations with a single mode are more likely than those with two modes, especially in large samples. The precision of the modal estimators is studied by deriving the Hessian matrix, which although complicated can be computed numerically. The posterior mean is estimated by using the Gibbs sampling algorithm and approximations by normal distributions. The results are applied to a real data set and connections with results in the literature are reported.     

最佳灰色回归组合模型及其在中国火灾预测中的应用

火灾每年给国家和人民生命财产造成巨大损失.火灾现象具有随机性、模糊性,是个复杂的灰色系统行为.研究火灾发生规律及发展趋势,具有实用价值.为此,首先给出最小二乘估计(LSE)意义下的最佳组合预测模型的定义,并求得组合模型的权的公式和证明权的唯一性.其次,用回归分析方法建立多个回归模型,并按以下三条标准:①回归指数(或相关系数)r大、②系统误差s小、③模型精度p高,选定最佳非线性回归模型;用灰色理论建立多个灰色模型,并按以下三条标准:①后验差比值c小、②小误差概率P大、③预测关联度ξ大,选定最佳灰色模型;再用最小二乘法将最佳回归模型与最佳灰色模型有机地结合起来建立的中国火灾最佳灰色回归组合预测模型.最佳灰色回归组合预测模型综合利用前两者提供的不同的有用信息,改善了单一模型的局限性,提高了模型的预测精度,减少了预测误差,使预测效果更佳.组合模型预测中国年火灾起数处于动态增长过程.