泊松线性混合效应模型的参数估计

讨论了如何运用EM算法对泊松线性混合效应模型进行参数估计.首先利用马尔柯夫链蒙特卡罗方法对Q函数进行近似,然后利用Newton-Raphson算法求出Q函数的极大值点,从而求得了模型中未知参数的极大似然估计.以一组癫痫病人数据为例,说明该方法是简单可行的.     

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.     

混合对数正态分布广义线性联合均值与散度模型的参数估计

由于对数变换的优良性质,所以对数正态分布应用十分广泛.该文研究提出混合对数正态分布下广义线性联合均值与散度模型,利用EM算法和Fisher-Scoring方法研究了模型参数的极大似然估计.最后,通过随机模拟和实例研究结果表明,提出的模型和方法是有用和有效的.     

混合广义指数分布的参数估计

介绍了混合广义指数分布的失效模型,并运用EM算法给出了模型在完全数据情形下的参数估计方法,最后用数值例子说明了EM算法对本文模型的有效性.     

有限混合模型的参数估计

利用EM算法对有限混合模型进行了参数估计,并结合具体实例进行了分析。最后利用EM算法对有限混合模型进行了模拟计算,结果充分显示出EM算法具有运算简单、收敛速度快的特点。     

部分线性模型中非参数估计的强相合性

考虑部分线性模型:y_i=x_iβ+g(t_i)+σ_ie_i,1≤i≤n,其中σ_i~2=f(u_i),(x_i,t_i,u_i)是固定非随机设计点列,f(·)和 g(·)是未知函数,β是待估参数,e_i 是随机误差。我们研究了基于β的最小二乘估计β_n 和加权最小二乘估计_n 的非参数 g(·)的估计,并证明了他们的强相合性。     

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.     

基于广义部分线性混合模型的中国A股上市公司现金股利支付倾向影响因素贝叶斯分析

基于2004~2011年12家中国A股上市公司的纵向数据，从成长性、经营状况、股权结构等方面来分析研究中国A股上市公司现金股利支付倾向的影响因素。建立关于规模、成长水平、融资水平、偿债水平、现金流水平、股东获利水平、人均GDP和第一大股东持股比例共8个观测变量的logistic广义部分线性混合效应模型，利用贝叶斯统计方法给出模型参数的估计，并将结果与A股上市公司现金股利支付的实际情况进行了对比分析。结果表明：本文所用模型可以正确解释影响上市公司现金股利支付倾向的因素。     

部分线性模型的渐近性

考虑Ｙｉ＝Ｘ＾ｔｉβ＋ｇ（ｔｉ）＋εｉ，１≤ｉ≤，忱里Ｘｉ是一固定设计点列，ｔｉ是独立同分布随机变量并且服从［０，１］上均匀分布。     

混合系数线性模型的参数估计及其分布

在连续测量数据情况下，讨论了混合系数的正态线性模型参数的点估计及其分布和有关性质。     

部分线性可加模型的约束估计

文章讨论部分线性模型在约束情况下的估计问题.在一般的线性约束条件下利用两种方法构造参数分量的约束估计;当参数部分附加随机约束条件时,依据混合估计方法与Profile最小二乘方法,构造参数分量的随机约束估计;讨论一般约束估计和随机约束估计的关系.     

半参数可加模型参数的Bayes估计

研究了半参数可加模型参数的Bayes估计问题.导出了半参数可加模型中参数的Bayes最小风险线性无偏估计,同时研究了其均方误差矩阵准则下优于Profile最小二乘估计的优良性.     

一类线性混合模型中的参数估计

把一类线性混合模型化为满足假设的线性模型,然后用最小二乘法、估计法给出线性混合模型中参数的估计.     

一类线性混合模型中方差分量的估计

将线性混合模型中随机效应的协方差阵推广为正定阵,运用方差分析估计的方法给出了方差分量的估计。通过QR分解给出了简化计算的方法,利用随机变量二次型的协方差对方差分量的估计做了进一步的改进,同时还给出了方差分量的一个非负估计。     

EV回归的半参数部分线性模型的Bayes估计

考察部分线性模型y=X^τ_β+g(t)+ε,ε~N(0,σ²),其中回归变量X可以精确测量,而t具有测量误差. 用光滑样条估计非参数函数g(t), 结合光滑样条的Bayes解释及Bayes的线性回归, 将模型中的未知参数赋以一定的先验, 运用Gibbs抽样方法从后验分布中抽样, 用后验样本的均值来估计未知参数. MCMC模拟的另外一个好处是容易从后验样本中构造后验样本区间估计. 最后,提供了一个模拟例子来说明Bayes方法的估计效果.     

因变量缺失的变系数部分线性模型的有效估计

讨论了因变量随机缺失条件下变系数部分线性模型的估计问题.基于局部借补思想,使用局部线性方法和平均技巧同时得到了各个估计量的估计,进而给出了估计的渐近性质.     

部分线性混沌系统之间的自适应广义同步

研究了部分线性混沌系统的自适应广义同步问题.对部分线性的驱动响应混沌系统,通过设计一个简单的自适应控制器,驱动响应系统之间就可以实现广义同步,并利用Lyapunov稳定理论证明了广义同步流形的稳定性.数值仿真例子验证了理论结果的正确性.     

部分线性回归模型中的广义似然比检验

检验了部分线性回归模型中的函数部分是否为常数, 在备择假设下, 先用局部多项式方法估计出函数部分, 在估计中忽略了参数部分, 将其并入误差项, 再使用二阶段估计法, 直接应用最小二乘方法, 估计出参数部分, 并讨论了它们的渐近性质. 计算了零假设下广义似然比检验统计量的表达式, 并给出其渐近分布.     

缺失数据下带约束条件的部分线性变系数EV模型的估计

用一般级数估计方法研究了带约束及响应变量缺失条件下的部分线性变系数EV模型的参数与非参数估计,并讨论了参数估计的一致性和渐进正态性及非参数估计的收敛速度,且通过数值模拟验证了所提方法的估计效果.