半参数模型误差分布小波估计的渐近理论

考虑半参数模型Ｙ＝ＸＴβ＋ｇ（Ｔ）＋ε,其误差是ｉ．ｉ．ｄ随机变量,具有公共未知密度ｆ（ｔ）。基于残差构造ｆ（ｔ）的小波估计＾ｆｍ（ｔ）,在适当条件下,证明了该估计的弱相合、强相合、渐近正态性和收敛速度。     

一类半参数回归模型二阶段估计的渐近理论

考虑回归模型yi＝xiβ＋g（ti）＋ei，1≤i≤n，g为R1上未知函数，β为p×1维待估参数向量．基于近邻权函数利用文献[1]中给出的方法建立了β和g的估计量βn，gn，并且证明了它们具有很好的大样本性质     

多级评分的Bayes估计

对多级评分的测验题型,给出了其Bayes模型,把先验分布从无信息先验推广到了更一般的Dirichlet先验分布情形,求出了参数的Bayes估计,指出了其意义,并在不同样本条件下给出了先验分布超参数的估计.     

一类半参数回归模型讨厌参数的相合估计

讨论一类半参数回归模型y=xβ+g(t(1)+t(2)α)+e,其中g(·)未知,α、β为实参数,e为随机误差 设有样本{(ti,xi,yi)}ni)′,构造了g(·)、β和讨厌参数α的估计,并证明了其相合性 i,t(2)i=1,ti=(t(1)     

半参数回归模型参数的Bayes估计

讨论了半参数回归模型在先验正态假设下的Bayes估计,当σ2已知时,它是Blight的著作中非参数回归有关结果的推广,还给出了当σ2未知时,各参数相应的Bayes估计     

一类SIR流行病模型及参数的贝叶斯估计

介绍了一类在固定人口条件下的标准流行病的随机模型,讨论了该模型的解及其性质,进一步对其参数进行了贝叶斯估计,对其先验分布的超参数也给出了确定的方法.     

IRT信息函数与极大似然估计的性态

本文分析了信息函数、项目信息函数、评分信息函数等IRT中的重要概念的意义及其之间的联系.说明IRT信息函数的定义与数理统计中信息函数的定义是等价的.从较高的角度重新定义了项目信息函数,并讨论了充分统计量的概念在IRT的应用.极大似然估计的性态通常仅就独立同分布的情形进行讨论.但在IRT中,样本独立而不同分布.本文就此情形进行了初步的探讨,得到的结论基本上与独立同分布的情形平行:1)(?)(个人能力参数θ的极大似然估计)是充分统计量的函数;2)(?)是其期望值的相容估计;3)实际应用中可采取一定的方法使(?)满足渐近正态性.     

GIRT的2参数模型的参数估计——兼与IRT的比较

探讨了GIRT的2参数模型参数估计的稳健性和估计精度,并探讨了GIRT与IRT下的2参数模型估计结果的一致性.研究结果发现:在小规模评估时,GIRT的2参数模型参数估计具有较强的稳健性和较好的估计精度;与IRT框架下同类模型的估计精度相比,2个模型的估计精度相近.表明GIRT模型是一种可供选择的、可行的、有效的群体评估方法.     

非线性半参数模型最小二乘近邻估计

目前对非线性半参数模型的研究尚处于初级阶段,关于非线性半参数模型的计算理论还未见实质性报道.基于非线性半参数模型最小二乘近邻估计,给出了其参数分量和非参数分量估计的构造式,导出了参数分量和非参数分量顾及二次项直接解法的非线性直接解法.基于工程实际中的非线性模型用模拟数据进行计算,证明对于非线性半参数模型最小二乘近邻估计,可采用顾及二次项的直接解法.     

半参数回归模型的稳健估计

考虑半参数回归模型yi＝Ti^Tβ g(ti)-εi i=1,2,…n,先由稳健估计的原则得出β^Λ和g^Λ（t)，然后基于影响函数得出这些估计的方差——协方差矩阵。     

遗传算法在 IRT 模型参数估计中的应用

IRT(项目反应理论)在现代教育考试与测量中的研究和应用正日益受到广泛关注,本文阐述了遗传算法在IRT模型参数估计中的应用。     

基于神经网络集成的IRT参数估计

针对统计方法难以解决小样本条件下项目反应理论（IRT）项目参数问题,提出了运用广义回归神经网络（GRNN）集成对小样本条件下项目参数进行估计的方法,运用计算机模拟的方法产生项目参数的真实值,根据双参数逻辑斯蒂模型得到被试的反应矩阵。运用经典测验理论方法得到项目难度和区分度的统计量,将其作为神经网络的输入,以模拟产生IRT的项目参数作为网络的输出,对GRNN进行训练。并且对30个神经网络加以集成,将它们在测试阶段得到输出值的平均值作为IRT参数的估计值。结果表明,神经网络集成可以得到比统计方法和单个神经网络更好的参数估计结果。     

应用Stan软件包实现IRT模型的贝叶斯参数估计

Stan是一个新的用于估计指定统计模型的概率编程语言,它使用了强大而高效的汉密尔顿蒙特卡罗(Hamiltonian Monte Carlo,HMC)抽样算法,相比较传统的Gibbs抽样和Metropolis算法具有显著的效率提升.R软件包“rstan” 链接了R与Stan 2个软件,使得Stan可以借助R的计算环境运行.首先,该文通过3参数Logistic(3PL)模型代码介绍了Stan的程序语言; 其次,该文使用Stan计算2个评估模型-数据拟合的全新指标WAIC和LOO,为应用Stan进行IRT模型相关研究提供了有效的参考工具; 最后,该文还采用了2个真实数据分别考察了Stan在单维IRT模型和多维IRT模型参数估计中的运行表现.研究结果表明:采用一个新的贝叶斯统计软件Stan,通过2个实证研究验证了该方法的有效性与可行性,为国内学者应用Stan进行IRT模型相关研究提供了有效的参考资料.     

基于IRT模型的BP神经网络降维法参数估计及其应用

该文对应用BP神经网络和降维法相结合在0—1记分模式下估计项目参数和考生能力的方法作了概述,重点是对该方法如何应用于实际进行探讨。     

ARMA模型参数估计的GW-LS两段算法

提出了新的GW-LS两段算法,很好地改善了自回归滑动平均(ARMA)模型参数估计的性能。首先摈弃传统的拟合到AR模型的思考方法,而是基于ARMA模型的相关函数用Gevers-Wouters(GW)算法对ARMA模型拟合到高阶滑动平均(MA)模型;然后在拟合的MA模型参数基础上,用最小二乘(LS)算法求解一个不相容的线性方程组,从而估计出ARMA模型参数。最终的仿真实例说明了本算法较高精度、较快速度的收敛特性。     

认知诊断模型参数估计算法比较

该文在不同条件的组合下考查了EM算法和MCMC算法对3种常用的认知诊断模型(DINA模型、DINO模型和G-DINA模型)的参数估计返真性问题.借助项目参数或作答概率分布的偏差、均方根误差、平均绝对离差以及被试的平均属性判准率等指标,评价这2类算法的表现.模拟研究结果表明:MCMC算法更适用于低质量题目、小样本、测验短的条件,而在其他条件下EM算法的表现与MCMC算法的表现相当.     

ARMA模型参数估计的两段最小二乘法

提出了自回归滑动平均(ARMA)模型参数估计的两段最小二乘法。首先用递推最小二乘法对真实ARMA模型拟合高阶自回归(AR)模型,然后基于所拟合的AR模型参数,用最小二乘法解一个不相容代数方程组得到ARMA模型参数。一个仿真的例子说明了其有效性。     

缺失数据比率和处理方法对非随机缺失数据能力参数估计准确性的影响

探讨了IRT背景下非随机缺失数据的合适处理方法.采用IRTLAB模拟产生50批500个被试在20个0-1记分项目上的反应数据,产生了不同比率的MNAR; 再用IN、NP、FR、CM、MI和EM共6种方法分别处理MNAR,使用BILOG-MG软件估计被试的能力参数,并计算在不同条件下各种方法的BIAS、BIAS_abs、R_(θ,θ^∧)和RMSE.研究发现:随着缺失比率的增加,参数误差越来越大; FR会导致IRT参数估计产生较大的误差,且不稳定,而MI与EM算法则相对稳定; 综合BIAS和RMAE等几个指标,NP在处理MNAR时产生的误差较小也更稳定.因此,在IRT背景下估计被试能力参数时,应选择NP、MI或EM方法处理缺失数据     

提高主动得分能力——中国男排亟待解决的问题

通过观察与技术统计，对比分析了中国男排与１９９６年奥运会男排决赛前３名荷兰、意大利、南斯拉夫队主动得分与失分的情况，指出中国男排在发球、扣球、拦网３项主动得分能力上与世界３强有较大差距，失分也较多．今后应改进训练，尽快提高主动得分能力，减少失误送分，提高与世界强队的抗衡能力     

IRT框架下的SQRT/EM参数估计方法及应用研究

在项目反应理论(hem Response Theory,IRT)框架下,根据统计检验方法,提出了一种新的参数估计方法——SQRT/EM方法．现以双参数Logistic模型为例进行了蒙特卡洛模拟研究,结果显示：SQRT／EM方法有以下3个优点：①参数估计结果与同类流行软件Bilog相比,修复能力相当或略高;特别是样本容量大时表现更好;②能处理含有特殊反应模式的情况;③项目数、人数很少时参数估计的结果较稳定．