网络结构数据空间回归模型的平均估计

采用空间误差模型对数据的网络结构关系进行刻画,考虑了空间误差模型的S-AIC和S-BIC模型平均估计方法,证明了S-AIC和S-BIC估计的相合性和渐近正态性.通过蒙特卡洛模拟试验,研究了所提估计的有限样本性质,模拟结果显示,S-AIC和S-BIC模型平均估计表现优于AIC和BIC模型选择估计.利用文章所提方法,对QQ用户数据进行实证分析,说明了所提方法在实际问题中的应用价值.     

纵向数据部分线性测量误差模型的二次推断函数估计

基于纵向数据部分线性测量误差模型, 研究了模型中兴趣参数部分回归系数的估计问题. 首先采用B样条方法逼近模型中的非参数函数, 然后提出修正的二次推断函数(QIF)方法对模型中参数部分的回归系数进行估计, 所提方法可以提高估计的效率. 在一定的正则条件下, 证明了所得到的估计量具有相合性和渐近正态性. 最后, 通过模拟研究和实例分析验证了所提出估计方法的有限大样本性质.     

灰色GM(1,1)模型的改进模型在房地产价格指数预测中的应用

提出了一种结合非线性回归技术的灰色GM(1,1)模型的改进模型.利用我国的房地产价格指数预测作为研究对象,用以验证所提方法的有效性和准确性.根据实证结果,说明了新的改进模型有效提高了经典灰色模型的预测精度.     

广义指数比例风险模型下区间删失数据的贝叶斯估计

本文研究了失效时间服从广义指数分布,且风险率函数为比例风险模型时,II型区间删失数据的贝叶斯估计。假定参数的先验分布为无信息先验,建立贝叶斯层次模型从而得到后验密度函数。通过MH算法得到参数估计值,数值模拟结果验证了所提方法的有效性。最后将所提方法应用到乳腺癌患者和血友病患者这两个实际数据中进行分析。     

广义部分线性单指标模型的最优模型平均方法

本文研究广义部分线性单指标模型(generalized partially linear single-index models, GPLSIMs)的模型平均问题.在实际应用中, GPLSIMs由于其灵活性和易解释性受到广泛关注.然而, GPLSIMs在应用中存在两类不确定性:变量的不确定性和单指标连接函数光滑度的不确定性.为了解决该不确定性问题,本文提出一种GPLSIMs的最优模型平均方法,该方法通过最大交叉验证准则得到数据驱动的权重.在模型误设定假设和发散模型空间的框架下,本文证明在最小化Kullback-Leibler (KL)损失准则下,所提出的模型平均估计渐近最优.同时,当候选模型集中存在伪真模型时,本文证明基于交叉验证准则得到的权重渐近地集中在伪真模型上.此外,基于提出的模型平均方法,本文为GPLSIMs构建了一种变量重要性度量,并证明该度量可以渐近识别所有真实模型中的变量.模拟研究和两个实际数据分析均展示了本文提出的方法相对于几种现有方法的优势.     

高维纵向数据的模型平均估计

高维数据的模型选择是当今统计学研究的一个热点问题,但关于高维纵向数据方面的模型平均却少见研究,文章提出了一种利用删组交叉验证准则对高维纵向数据进行模型平均估计的方法,在最小化预测残差意义下,以删组交叉验证为准则,证明了其渐近最优性,并通过模拟研究表明,该模型平均方法在估计效果上要优于其它一些传统的模型选择和平均方法.     

删失分位数变系数回归模型的FIC模型平均估计（英文）

考虑了删失分位数变系数回归模型的FIC准则,并基于FIC准则给出了兴趣参数的模型选择和平均估计.为了全面反映响应变量的分布信息,克服异常值和重尾模型误差,文章对响应变量的不同分位数水平进行建模,因此与普通最小二乘方法相比更为稳健.在较为一般的条件下,证明了所提估计的渐近性质,通过模拟实验研究了估计的有限样本性质,用所提方法分析了手机用户的游戏时间数据.     

复发事件下一类加性乘性转移模型p阶矩指数稳定性北大核心CSCD

复发事件数据频繁的出现在纵向研究中,本文基于生物医学中的单类型复发事件数据,提出了一类加性乘性转移模型,该模型包含了一些重要的半参数模型.同时,模型允许协变量具有加性和乘性的影响,且加性影响随时间而变化.利用广义估计方程的思想,对模型中未知参数和非参数函数进行了估计,并证明了所得估计的相合性和渐近正态性.最后,用数值模拟的方法验证了所提估计的可行性.     

删失分位数回归模型基于扩展兴趣信息准则的平均估计

本文结合分位数回归技术,基于删失回归模型,把Claeskens和Hjort的传统兴趣信息准侧(focused information criterion,FIC)扩展到兴趣向量的情形,提出扩展的兴趣信息准则(extended focused information criterion,E-FIC),有效解决了同时针对多个兴趣参数的平均估计问题,并且对删失响应变量的不同水平分位数进行建模,以全面反映响应变量分布特征,有效克服异常值和厚尾模型误差的影响.基于扩展的兴趣信息准则给出参数的平均估计方法,证明估计的渐近性质.通过Monte Carlo随机模拟试验比较所提估计方法和最小二乘方法在有限样本量下的表现,用所提方法对原发性胆汁性肝硬化数据集进行数据分析.     

融合两阶段过程模型和改进Bass模型的网络社交平台上产品信息扩散研究

提出并验证了融合两阶段过程模型和改进Bass模型的网络社交平台上产品信息扩散模型。考虑用户转发动机构建产品信息扩散两阶段过程模型;考虑用户兴趣衰减效应改进Bass模型;融合这两个模型,考虑产品信息发布者明星效应、产品信息质量对产品信息扩散的影响,提出了产品信息扩散模型。以2019年11～12月新浪电影发布的电影预告片转发数据验证了所提模型,并与Bass模型进行了比较。结果表明,用户转发动机和用户兴趣衰减效应对产品信息扩散均有显著影响,所提模型的预测精度和拟合效果均优于Bass模型。所提模型可用于存在不同转发动机及具有衰减效应的其他信息转发量预测,尤其适合于在产品信息投放前期和早期对转发量的预测,是对信息扩散模型的补充。     

纵向数据单指标模型中参数的经验似然置信域

考虑纵向数据单指标模型,针对纵向数据组间独立的特点,提出了模型中未知参数的三种经验对数似然比统计量.在适当条件下,证明了所提出的统计量依分布收敛于x~2分布,所得结果可以构造未知参数的置信域.进一步证明了所提出的纠偏的经验对数似然比有许多优良的性质.通过模拟研究对所提方法进行了说明.     

基于逆概率加权和插补的Mallows模型平均方法

数据缺失是实际数据分析中一个常见的问题.文章将逆概率加权方法与插补方法结合,提出了一种Mallows模型平均方法以处理数据缺失问题,并证明了该方法得到的估计量在实现最小平方误差的意义下能渐近地达到最优.相比于传统的逆概率加权方法,文章的方法不仅可以充分利用观测信息,并且能够应用于非随机缺失的情形.相比于完全基于插补的方法,文章的方法继承了插补方法的一些优势,同时能够避免因错误地插补较大的数据块而产生的偏差.通过数值模拟,首先验证了三种简单的插补方法满足渐近最优性成立的条件,之后将文章提出的Mallows模型平均方法与已有的应用于缺失数据的模型平均方法进行比较,结果表明,所提出的新方法在大多数情况下优于已有的其它模型平均方法.最后,将新方法应用于平均寿命数据,实证结果进一步表明新方法较已有模型平均方法更为稳健.     

纵向数据部分线性模型的广义经验似然推断

考虑纵向数据部分线性模型,针对纵向数据个体内的相关性特点,通过引入估计的作业协方差矩阵,构造了模型中未知参数的三种经验对数似然比统计量.在适当条件下,证明了所提出的统计量依分布收敛于χ~2分布,所得结果可以构造未知参数的置信域.最后通过模拟研究对所提方法进行了说明.     

响应变量缺失下非线性回归模型的加权半参数估计

基于逆概率加权方法研究了响应变量缺失下非线性回归模型的参数估计问题,提出了一种利用广义部分线性单指标模型对选择概率建模的加权半参数估计方法.从理论上证明了所得估计量具有渐近正态性,并通过数据模拟分析研究了所提方法在有限样本下的表现.     

基于Kolmogorov-Smirnov(KS)统计量的信用评分模型选择方法

信用评分系统在商业,金融,工程和健康等许多领域具有重要意义。Kolmogorov-S mirnov(KS)统计量是一种常用的评估信用评分模型的指标,Directly Maximizes the KolmogorovSmirnov (DMKS)是一种首次将KS统计量作为目标函数进行优化的信用评分方法。本文提出了一种基于DMKS信用评分方法以及交叉验证的模型选择方法,用于选择具有合适特征的信用评分模型,并且证明了该模型选择方法在理论上具有渐近最优性。本文使用Iterative Marginal Optimization (IMO)算法加速了模型选择准则的计算,使得本文所提模型选择方法可以适用于样本量较大的情形;同时利用前向变量选择方法的思想进一步地减少了本文所提模型选择方法的计算,从而加快了选取具有合适特征的信用评分模型的速度。模拟数据和实际数据分析表明了所提模型选择方法的有效性。     

基于Kriging模型的供应链优化设计

供应链优化的目的之一是确定使得总成本最小的最佳运作水平.供应链系统是复杂的动态系统,由于库存系统的复杂性和供应链本身的不确定性,利用传统优化方法往往需要耗费一定的计算成本和经济成本.而元模型则能以简单的数学表达式较精确地刻画仿真系统的输入输出关系,为研究者分析复杂系统提供了一种分析方法.针对供应链优化问题,给出了一种基于计算机试验设计中的元模型一Kriging模型的供应链优化方法,并通过一个三级供应链问题对所提方法进行了实证研究.研究结果表明了所提方法的有效性和可用性,为供应链优化提供了一种新的研究思路.     

多类型复发事件下的一类均值加速回归模型

在复发事件的统计分析中,事件的平均发生个数可能比其强度函数或危险率函数更具可解释性.为了评价协变量对复发事件的影响,许多学者考虑了复发事件的边际比例均值模型.然而,在许多实际应用中,协变量对复发事件不仅具有均值比例效应,而且还可能会加速或减缓复发事件的发生,即协变量对复发事件均值过程具有时间尺度效应.在多类型复发事件数据框架下,考虑一类广泛的加速均值模型.利用估计方程方法,获得了该模型中未知参数的估计,并且建立了所给估计的渐近性质.进一步通过模拟研究证实所提方法的优良表现.     

Tweedie类分布下广义线性联合均值与散度混合专家回归模型

Tweedie类分布在财产保险中常常用来对索赔额进行量化,而混合专家回归模型在统计和机器学习方面被广泛地研究,并用来对异质总体数据进行分类、聚类及回归分析.本文基于Tweedie类分布提出广义线性联合均值与散度混合专家回归模型,从而为非寿险费率厘定精算技术的发展提供参考思路.接着,利用EM算法给出该模型的极大似然估计,进而通过随机模拟实验验证了所提出方法的有效性.最后,本文结合空气质量指标(AQI)数据验证了该模型和方法具有实用性和可行性.     

偏t正态数据下混合线性联合位置与尺度模型的参数估计

偏t正态分布是分析尖峰,厚尾数据的重要统计工具之一.研究提出了偏t正态数据下混合线性联合位置与尺度模型,通过EM算法和Newton-Raphson方法研究了该模型参数的极大似然估计.并通过随机模拟试验验证了所提出方法的有效性.最后,结合实际数据验证了该模型和方法具有实用性和可行性.     

优化的GM(1,1)模型及其在广东省梅毒疫情预测中的应用

提出了一种基于初始值和背景值同时优化的新GM(1,1)模型,利用广东省梅毒年发病率预测作为研究对象,用以验证所提模型的有效性和准确性,通过计算实例验证了优化模型具有较高的预测和模拟精度.