带有二元连接函数的半参数模型

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.     

广义线性模型参数递推M估计

本文根据Ｈｕｂｅｒ的Ｍ估计理论，构造了广义线性模型参数递性Ｍ估计，以离散鞅的极限理论为工具，给出了参数递推Ｍ估计收敛于真参数的极限速度。     

线性模型中线性参数函数可估计问题

关于线性模型中线性参数函数可估计性,Milliken,Baksalary和 Kala证明了几个充分必要条件,但它们都涉及到广义逆矩阵的计算。本短文建立了另一个充分必要条件,其中不再包含任何形式的广义逆,只需求解线性齐次方程组和计算矩阵的秩。     

广义线性模型中方差函数的非参数估计

本文提出了$\sigma(u)$的一种改进的估计$\wh\sigma_n(u)$, 在一定的条件下证明了$\sup\limits_{u}|\wh\sigma_n(u)-\sigma(u)|$相对于[1]中的估计以更快的速度依概率收敛于0, 并修正了定义区间.     

广义线性模型中方差函数的非参数估计

本文提出了$\sigma(u)$的一种改进的估计$\wh\sigma_n(u)$, 在一定的条件下证明了$\sup\limits_{u}|\wh\sigma_n(u)-\sigma(u)|$相对于[1]中的估计以更快的速度依概率收敛于0, 并修正了定义区间.     

混合系数线性模型参数的广义Liu估计

本文研究连续测量数据情况下的混合系数线性模型的参数估计问题.利用压缩估计方法给出了该模型的一类新的有偏估计一广义Liu估计,并在均方误差意义下,证明此类估计分别优于最小二乘估计、Liu估计.最后讨论参数的选取问题.     

向量参数的线性函数之广义最大似然估计

最大似然估计不存在的情况在非正态回归模型中最为典型,当参数向量不能被估计时,人们对参数向量的线性函数的估计饶有兴趣。本文给出了这些线性函数的广义最大似然 定义,建立了一些关于凹目标函数的结果,对某些特殊的目标函数,提供了求广义最大似然估计的具体途径,并详细地考虑了Ｃｏｘ的生存时间分析的模型。     

半参数广义线性混合效应模型的影响分析

本文把随机效应当作是缺失数据并利用P-样条拟合非参数部分,从而得到了半参数广义线性混合效应模型(GPLMM)的MCNR估计算法;同时利用Q-函数,我们得到了模型的参数部分的广义Cook距离以及非参数部分的广义DFIT,此外,本文还研究了四种不同扰动情形的PLMM的局部影响分析,得到了相应的影响矩阵,最后,我们通过—个实际例子验证了所提出的诊断统计量的有效性。     

带有不完全信息的随机截尾广义线性模型的中偏差

本文介绍了随机截尾的带有不完全信息的广义线性模型,并在一定条件下运用Taylor渐近展开方法得到了此模型的极大似然估计的中偏差.     

带有不可忽略缺失数据的广义部分线性模型的贝叶斯分析

广义部分线性模型是广义线性模型和部分线性模型的推广,是一种应用广泛的半参数模型.本文讨论的是该模型在线性协变量和响应变量均存在非随机缺失数据情形下参数的Bayes估计和基于Bayes因子的模型选择问题,在分析过程中,采用了惩罚样条来估计模型中的非参数成分,并建立了Bayes层次模型;为了解决Gibbs抽样过程中因参数高度相关带来的混合性差以及因维数增加导致出现不稳定性的问题,引入了潜变量做为添加数据并应用了压缩Gibbs抽样方法,改进了收敛性;同时,为了避免计算多重积分,利用了M-H算法估计边缘密度函数后计算Bayes因子,为模型的选择比较提供了一种准则.最后,通过模拟和实例验证了所给方法的有效性.     

半参数广义线性模型的惩罚似然估计

一、引言我们知道,通常的广义线性模型其联接函数为 g(μ)=η,并且预测η有一已知参数形式,即η=xβ.然而,如果预测依赖于协变量的形式知道的并不很清楚,那么这时采用参数的线性化结构并非总是适当的.当缺乏确切的信息时,有时用非参数方法更可取.但是,当确信某些关系具有一定的参数形式时,完全的非参数方法其效率可能相当低.于是,可以考虑更一般的模型——半参数广义线性模型,它是由 Green 和 Yandell 等一些作者提出来的.这个类包括了通常的广义线性模型及非参数广义线性模型,因而处理问题也就更灵活了.     

广义线性模型参数的自适应拟似然估计

对广义线性模型参数的一种拟似然估计的理论给予了彻底的处理. 在该估计中,响应变量的未知的协方差阵是通过样本去估计的.证明了所定义的估计量具有下述意义上的渐近有效性：当样本量n→∞时, 该估计有渐近正态性,且其极限分布的协方差阵重合于当响应变量的协方差阵完全已知时,拟似然估计的极限分布的协方差阵.     

半参数广义线性随机效应模型的影响分析

该文系统研究了半参数广义线性随机效应模型的统计诊断与影响分析方法, 证明了数据删除模型和均值漂移模型的等价性定理, 给出了广义Cook距离等诊断统计量及异常点的Score检验统计量并研究了该模型的局部影响分析,分别对加权扰动模型, 响应变量扰动模型得到了影响距阵的计算公式, 最后通过一个实例验证了文中给出诊断方法的有效性.     

广义线性模型的统计分析

本文用广义线性模型概念概括了目前最常用的回归、随机回归、自回归、广义自回归和门限自回归等模型,并且包括了它们的各种混合模型。广义线性模型具有非常广泛的应用背景。从七十年代宋期到现在,在这几年时间里,对于广义线性模型的最小二乘拟合方法的相容性理论研究,取得了重要的进展。从而为这类模型的广泛应用提供了可靠的理论基础。本文将概述这些进展中的主要内容。     

线性微分系统的广义反射函数

研究了线性微分系统的广义反射函数,作为应用,给出了线性微分系统具有三角型反射矩阵的充要条件.     

线性模型参数的聚集改进广义Liu估计的相对效率

对于聚集数据的线性模型,给出了参数β的聚集改进广义Liu估计,研究了该估计相对于最小二乘估计及相对于Peter—Karsten估计的两种相对效率,并得到了相对效率的上界.实例分析表明,聚集改进广义Liu估计比最小二乘估计、Peter—Karsten估计更有效.     

带有相依误差的函数型线性模型的复合分位数估计

本文研究了带有相依误差的函数型线性回归模型的复合分位数估计问题,其中误差来自短期相依和严平稳的线性过程.采用函数型主成分基函数对斜率函数和函数型预测变量进行展开并构造了斜率函数的估计,在相当宽松的条件下证明了斜率函数估计的最优收敛速度.最后通过理论模拟来评价所提出的方法,并给出了一个实际例子.     

聚集数据线性模型参数的广义岭估计的相对效率

对于聚集数据的线性模型,给出了参数的广义岭估计的两种相对效率,并得到了两种相对效率的上界.     

广义线性度量误差模型

在线性度量误差模型中, 需要假设所有变量的观测值都含有未知度量误差\bd 因而 该模型不适用于一部分变量的观测值含有度量误差、而另一部分变量的观测值可精 确得到的情况\bd 为此, 本文提出了广义函数、结构和超结构关系线性度量误差模 型\bd 进一步, 这里还讨论了这些广义线性度量误差模型中参数的最小二乘和极大 似然估计方法, 给出了参数估计的表达式     

关于带有完全对称函数的广义数值域

本文给出了矩阵Ａ的带有完全对称函数Ｃｋ的ｍ－数值域在复平面上为线段的充分必要条件．