NMAR机制下线性回归模型参数的Bayesian估计

当数据缺失机制为非随机缺失（NMAR）时,线性回归模型中的参数估计是一个复杂的问题．本文采用贝叶斯（Bayesian）方法,并利用MCMC方法、选择模型和Gibbs抽样方法,求得了参数的Bayesian估计,用一个模拟例子求得参数的估计均值和方差说明了此种方法的可行性。     

缺失数据下区间自回归模型的参数估计

研究了当数据存在缺失时区间值自回归模型的参数估计问题.利用均值补充法、条件均值补充法对缺失数据进行补充,在此基础上进一步利用条件最小二乘估计方法对模型参数进行了估计,并通过随机模拟说明了上述估计方法的合理性.     

一般线性回归模型的参数估计

传统的最小二乘估计在处理一般线性回归模型的参数β和σ2的估计问题时,若遇到异常数据模型拟和得往往不好,现提出另一种估计方法:修正的最小二乘估计.结果表明此方法在处理异常数据时具有明显的优越性.     

因变量缺失下线性回归模型的估计与检验

文章研究因变量缺失下的线性回归模型,借助单点插补方法,首先给出模型的估计,研究参数估计量的渐近正态性,其次,对于模型系数的线性约束检验问题,基于Wald方法构造检验统计量并给出其渐近分布.最后,通过数值模拟验证所提方法的有效性.     

广义线性模型中不完全数据的参数估计

讨论了广义线性模型类中离散协变量和离散响应变量数据不完全时,参数极大似然估计的EM算法,文中给出了参数估计的具体表达式和估计的渐进协方差.最后,通过随机模拟说明EM算法的优良性.     

线性等式约束下线性回归模型参数估计的局部影响评价

本文研究线性回归模型在线性等式约束下参数估计的局部影响评价问题，导出了线性等式约束下线性回归模型在各种扰动模式下参数估计的局部影响度量，通过实例分析，表明了本文方法的有效性。     

一类线性回归模型的参数估计

考虑一类多总体线性回归模型,其特点是它们均具有部分相同回归系数.采用各个子总体内样本利用最小二乘方法估计回归参数,然后依据样本容量进行加权估计公共回归系数,最后把公共回归系数回代到各个线性回归模型,利用最小二乘方法估计不同部分系数.理论结果表明,此种方法得到的估计量,不仅是无偏估计,而且方差比用单个子总体样本得到的最小...     

含缺失数据线性模型回归系数的约束EM算法

应用EM算法求含缺失数据的约束线性模型回归系数的极大似然估计,该回归系数满足线性不等式约束.我们提出M-步的优化算法,并针对正态模型讨论EM序列的收敛性,最后举例说明算法的应用.     

定数截尾缺失数据下线性失效率模型的参数估计

利用逆估计法的思想,给出寿命分布为线性失效率模型时,定数截尾寿命试验数据缺失场合下样本分布参数的近似点估计.通过M0nte-Carlo数值模拟表明,当样品容量固定时,随着数据的增大,精度愈高;当缺失数据数目太大时,参数估计误差偏大;而当缺失数据数目不太大时,参数估计的精度还是令人满意的.     

线性回归模型参数的BC估计

对线性回归模型的参数给出了一种新的有偏压缩估计,简称ＢＣ估计,并证明了ＢＣ估计的许多优良性质。     

有约束的多元线性回归模型的Mi nimax估计

在损失函数tr(B-B)'A(B-B)下给出B在线性估计类中的Minimax估计,研究了其性质.在一些特殊的情形下,该估计包括了多元功效岭回归估计(Ridge regression estimation),多元Stein估计等.     

缺失数据下半参数回归模型的局部线性光滑

在缺失响应变量的不完全数据下,对半参数回归模型进行研究.利用最小二乘和局部线性回归拟合方法建立缺失数据下半参数回归模型参数分量和非参数分量的局部线性估计.在适当的条件下,得到^βn,^nσ的渐近正态性和^gn(t)最优弱收敛速度.     

Selection of the linear regression model according to the parameter estimation

In this paper, based on the theory of parameter estimation, we give a selection method and, in a sense of a good character of the parameter estimation, we think that it is very reasonable. Moreover, we offer a calculation method of selection statistic and an applied example. Foundation item: Supported by the Natural Science Foundation of Anhui Education Committee Biography: Sun Dao-de (1957-), male, associate professor, research interes: theory and applications of mathematical statistics.     

Cox模型中参数满足线性不等式约束的似然估计

研究了Cox比例风险模型中协变量部分缺失且参数满足线性不等式约束下的极大似然估计问题。在实际问题中，特别是对生存分析的研究中，数据经常会出现删失、截断、缺失的情况。本文利用EM算法和约束下优化算法得到的数据部分缺失且参数满足线性不等式下的极大似然估计。     

缺失数据下半参数回归模型的渐近性质

在缺失响应变量的不完全数据下,对半参数回归模型进行研究.利用局部线性回归拟合方法建立缺失数据下半参数回归模型参数分量β和非参数分量g的局部线性估计βn,gn*(t),基于βn建立σ2的估计量2σn.在适当的条件下,证明βn,2σn的渐近正态性,得到gn*(t)的最优弱收敛速度.     

随机缺失情况下固定设计半参数回归模型的相合性

目的在随机缺失情况下证明固定设计半参数回归模型的强相合性。方法利用引理,一些不等式及已给条件进行证明。结果证明了参数β的最小二乘估计和未知函数g(.)的非参数核估计是强相合的。结论随机缺失下半参数回归模型中β的参数估计和非参数函数g(.)的估计量是强相合的。     

基于模态回归的半参数部分线性模型的稳健估计

以半参数部分线性模型为对象,研究了基于模态回归的稳健估计方法。非参数部分采用B样条近似,在模型的回归中通过控制核函数的带宽来实现估计的稳健性,结合局部二次算法(LQA)和模型期望值最大化算法(MEM),提出EM估计算法,得到了参数估计以及非参数部分估计的收敛速度。通过蒙特卡洛模拟和实例分析,验证了本文方法的有效性。     

线性回归模型的抗差泛最小二乘估计

首次用抗差泛最小二乘法考虑线性回归模型，得到了抗差泛最小二乘估计；然后，研究了该估计的影响函数和渐近方差-协方差矩阵；最后，用算例说明了抗差泛最小二乘估计具有抗差性，优于传统的最小二乘估计及作提出的泛最小二乘估计。     

一种改进的线性回归预测模

用最小二乘法求解线性回归预测方程的回归系数时,计算量比较大,针对这个问题,提出一种改进的线性回归预测模型,该模型和其它预测算法配合,能够对若干种药品的销售额进行预测,挑选的药品种类越多,效率越高。最后通过具体实例验证了该模型是可行、有效的。     

缺失数据下局部线性回归估计的渐近性质

在缺失响应变量的不完全数据下,对非参数回归模型进行研究,利用局部线性回归的方法,给出了回归函数m(x)的估计,并证明了缺失数据下局部线性回归光滑具有渐近正态性和相合性.