一类变系数分组Cox回归模型及其估计

讨论了一类变系数分组Cox回归模型.该模型提高了线性分组Cox回归模型的灵活性和适应性.基于局部加权极大似然估计方法,讨论了该模型的参数估计问题,利用迭代加权最小二乘法给出了局部似然方程的迭代算法.     

变系数EV模型系数参数核估计的改进估计

对变系数EV模型的估计问题进行深入研究,利用核函数法和广义最小二乘法运用类似于迭代的方法改进了变系数EV模型系数参数的估计。首先,将一步核估计■0(ti)(i=1,…,n)代入模型,用广义最小二乘法得到β的第二步估计=Sn-1XT(Y-■0(T))。然后,再将的值代入模型中,将■0(ti)还原成β0(ti),定义β0(t)的最终估计为0(t)=μ10∑i=n1wni(t)(Yi-XiT)在适当的正则条件下,证明了所给的估计具有相合性和一致相合性。最后借助Matlab对估计量进行了模拟研究,结果表明估计的效果较已有结果有所提高。     

如何创建一堂受学生欢迎的课——基于大学数学课堂教学的思考

一堂一堂的课,承载着教师的基本使命。教师的任务是把知识的学术形态转化为教育形态。思想的流淌、激情的荡漾、语言的芬芳是创建一堂受学生欢迎的大学课堂的三个重要要素。     

变系数模型变窗宽局部M-估计的渐近正态性

局部多项式回归方法已证明是一个有效的非参数回归方法,有优于流行核方法的特点,如设计的自适应性和高的渐进效率。然而,它的一个缺点是缺乏稳健性。M-型估计是达到所需稳健性的一种自然预期。而且常窗宽对齐次待估曲线是合理的,但对更复杂的曲线如非齐次的,异方差的曲线则失去灵活性,为了完全做到用模型数据去估计参数,本文结合上述两种方法,对变系数模型的系数参数进行估计,并在其中嵌入一个变窗宽加以提高,得到了估计的渐进正态性。