基于广义线性模型的分类费率厘定方法

在我国财产保险传统的计量模型基础上,提出广义线性模型与风险费率厘定相结合的方法。广义线性模型有三项构成要素：随机成分;系统成分;联结函数。在非寿险业务中,通常需要根据个体风险的特征对其进行分类,并在分类的基础上厘定各个风险类别的费率。本文将这两方面结合起来．并在非寿险的费率厘定方面建立了相应模型。     

基于广义线性模型的分类费率厘定方法

在我国传统的财产保险计量模型基础上,提出广义线性模型与风险费率厘定相结合的定价方法.广义线性模型有三项构成要素:随机成分,系统成分,联结函数.在非寿险业务中,通常需要根据个体风险的特征对其进行分类,并在分类的基础上厘定各个风险类别的费率.本文将这两方面结合起来,并在非寿险的费率厘定方面建立了相应模型.     

费率厘定平行四边形方法的数学模型

为在保险费率调整实践中著名的平行四边形方法建立了严格的数学模型,提出了修正平行四边形方法和更一般的三角形方法,其皆可被看成是费率厘定的新工具。     

费率厘定平行四边形方法的数学模型(英文)

为在保险费率调整实践中著名的平行四边形方法建立了严格的数学模型,提出了修正平行四边形方法和更一般的三角形方法,其皆可被看成是费率厘定的新工具。     

基于广义线性模型的基因表达水平预测

组蛋白修饰是生物体中普遍存在的一种现象,能够以不同的调控方式影响基因表达,且随着高通量测序技术的飞速发展,大量的测序数据使得探究组蛋白修饰信号与基因表达水平之间的内在联系成为可能.由于基因表达数据存在零膨胀现象,提出了一种基于广义线性模型框架的主从模型,能够以较高精度从组蛋白修饰信号预测基因表达水平.首先通过人类全基因组注释文件中的基因位点信息,筛选出包含完整基因位点信息的表达数据;其次,根据基因位点信息,定位并提取出组蛋白修饰数据中基因特定位点的特征信息,构建设计矩阵;最后结合响应变量数据零膨胀的特点,构建主从模型,以GM12878细胞系为例,与现有的多种回归算法进行对比,验证了所提模型的有效性.     

广义多元线性模型的最优设计

对文献（１）中多元φ－最优设计的等价定理进行了进一步研究,并把这些结论推广到广义多元线性模型。作为推论,得到矩阵分析中两个重要结果。     

函数型数据广义线性模型和分类问题综述

函数型数据采用全非参数的方法,假设数据来自一条光滑的曲线,把整个曲线当成一个样本来处理,从而避免高维和高度相关的问题。其研究始于20世纪50年代,经过近70多年来的发展,很多经典的统计分析方法都被推广到函数型数据,且被中外学者写成综述和相关书籍以便研究者使用,如主成分、典型相关、线性模型和聚类问题等。但是,目前仍缺少有关函数广义线性模型和分类问题的综述和书籍。基于此,本文从函数型数据发展的数据形式、函数近似包括基底展开和主成分、函数广义线性模型和分类等问题的发展历程及未来发展方向等方面进行详细的综述。进一步,为了能够在经济、金融、医学、气象和环境等领域更好地应用函数型数据,本文提供了具体的样条估计计算程序。     

线性模型的广义压缩预测

考虑线性模型y=Xβ+e,E(e)=0,Cov(e)=σ2V在V=IN且2≤ rkX=P≤N假设下,针对X的复共线性,提出了广义压缩预测.     

广义线性模型线性约束下参数估计的一个最优性

本文研究广义线性模型在齐次线性约束条件下的参数估计,给出了条件可估函数c‘β在条件Lβ=0下的最佳线性无偏估计c‘(β^)GL,然后从一个新的角度刻划了估计c‘(β^)GL的最优性,即c‘(β^)GL落在以被估参数c‘β为中心的任意一个球内的概率不小于任一个满足Lβ=0的线性无偏估计落在此球内的概率.     

C&R Tree算法在车险费率厘定中的应用

提出基于C&R Tree算法的车险理赔风险模型。现有研究方法对变量多、数据类型复杂和数据量大的数据不能准确进行分析,导致对车险客户的理赔风险出现误判,从而不能准确制定车险费率,为了解决上述问题,提出C&R Tree算法。C&R Tree算法通过检测输入字段,通过度量各个划分产生的异质性的减少程度,找到最佳的一个划分,将C&R Tree算法应用到车险理赔数据中,实验证明:所得理赔风险模型不依赖于经验知识,其模型易于理解,且具有较高的准确率,能够满足评价的要求。     

指数保费原理下的广义线性模型信度估计

利用信度理论方法,在指数保费原理下研究信度理论与广义线性模型中随机效应之间的关系,推广了经典的信度原理,给出了相应的信度保费表达式,并讨论了参数结构的估计.进一步建立了在该指数保费原理下普通费率因子与多水平因子相结合的费率厘定的乘法模型,得到了风险保费的信度估计.     

基于广义线性模型的地表臭氧浓度的预测

近几十年来,随着城市规模的扩大及工商业的发展,城市光化学烟雾污染越来越严重。作为光化学烟雾的几种重要组分之一,臭氧是表征其严重程度和危害性的一个重要指标。由于高浓度臭氧对人体健康和生态系统的严重危害,如何高效、准确地提前预报高浓度臭氧成为了至关重要的问题。根据臭氧浓度分布的非Gauss特点,该文采用广义线性模型(generalized linear model,GLM)来对地表臭氧浓度进行预报。使用美国休斯顿及旧金山地区的监测数据分别建立了基于非Gauss分布假设的GLM模型。与普通线性模型的结果对比表明:广义线性模型不仅能够提高超标臭氧天数的正确预报率,同时也能降低高浓度臭氧的预报误差。     

多维广义线性模型极大拟似然估计的渐近正态性

对固定设计的多维广义线性模型, 在λ(1/2/n)(1)/(2)λn/n→0和其他一些正则性条件下,证明了自然联系函数下的拟似然方程n∑i=1xi(yi-μ(x′iβ))=0 的解β^n即拟似然估计的渐近正态性, 其中,λn(λn) 表示∑ni=1xix′i的最小(最大)特征根, xi是有界的p×q回归变量,yi 是q×1响应变量.     

海量数据广义线性模型变量选择算法研究

首先推导出了用于求解一般广义线性模型变量选择问题的非凸惩罚迭代估计算法,并利用分治思想对算法进行修正,使其能够适用于海量数据情形,以解决海量数据下进行变量选择时可能存在的内存溢出等问题。考虑到当前处理海量数据实际使用的工具,进一步给出了算法在分布式并行下的计算步骤,大幅提高了计算速度。在数值模拟中,通过单机和集群两种方式对算法进行数值计算,结果表明本文方法有效解决了数据存储问题且适用于分布式环境。最后,通过所提算法来完成Probit模型的变量选择,并将其用于新闻数据集的分类问题。     

广义线性模型的诊断与实例分析

研究了广义线性模型的诊断，将线性回归模型的诊断方法推广运用到广义线性模型，证明了均值漂移模型与数据删除模型的等价性，研究了判断异常点的Score检验统计量．最后通过实例建模，验证了本文给出的诊断方法的有效性．     

具有随机缺失响应变量的广义半参数模型

本文在响应变量随机缺失条件下,研究了广义半参数模型的拟似然估计方法,给出了缺失数据下的未知参数与非参数回归函数的拟似然估计,进一步求出了估计的渐近偏差和渐近方差,并证明了所给出的拟似然估计具有渐近正态性。     

广义线性模型的M-估计

用M-估计来估计广义线性模型中的未知参数β.首先,在一定的假设条件下,根据已有的对广义线性模型中未知参数β的极大似然估计方法,应用大数定律及鞅中心极限定理,证明了广义线性模型的M-估计的两个重要性质,印相合性及渐近正态性.其次,将固定设计的思想引入M-估计,并与广义线性模型相结合,证明了其相合性及渐近正态性.最后通过数...