Weibull分布线性回归模型的统计诊断

研究了Weibull分布线性回归模型的参数估计和统计诊断问题.首先给出参数估计的迭代算法,分析了统计诊断中数据删除模型(CDM)和均值漂移模型(MSOM)的等价性问题,最后进行了数据模拟和实例分析.     

具有异方差结构的一阶线性回归模型的DS最优设计

探讨具有异方差结构的一阶线性回归模型的DS最优设计问题,给出其异方差结构函数满足一定条件的固定系数一阶线性回归模型的DS最优设计的解析式,并证明随机系数一阶线性回归模型不存在任何DS最优设计.     

多元线性回归模型中的异方差性问题

对计量经济学模型中应用最为普通的线性回归模型进行了一些分析．指出模型的基本假设中“同方差性”不能满足，即出现了异方差性问题时，会出现哪些后果，应如何对模型作出调查，并介绍了目前使用较多的检验“异方差性”的方法．最后建立了我国消费函数模型．     

Logistic回归模型的统计诊断与实例分析

通过研究logistic回归模型的诊断,对模型的影响分析、均值漂移模型、异常点的score统计量进行了分析.推导出了判别强影响点或者异常点的诊断统计量,如广义cook距离、似然距离,讨论了局部影响分析,最后给出了实例分析.     

自回归条件异方差模型的模拟

通过介绍怎样利用SAS/ETS中的自回归(Autoreg)过程实现条件异方差(ARCH)模型数据的分析,将理论与实践相结合,利用SAS/IML软件模拟两组(一组为ARCH(q)模型,另一组为AR(m)-ARCH(q)模型)ARCH数据,然后调用自回归过程对两组数据分别用相应ARCH模型进行效据拟合,得到理想结果.     

一类线性回归模型异方差性的LM检验

笔者考虑了特殊情形下一类异方差性线性回归模型,首先导出了在模型中当异方差为线性函数时异方差检验的LM检验统计量,然后举例说明该方法的功效。     

异方差回归模型的拟合和变量选择

作者研究了异方差回归模型的估计与变量选择问题.在误差分布未知的情况下,作者分别给出了联系函数已知及未知时均值与方差的估计.另外,作者在给出估计的同时,分别选出了对均值与方差影响显著的变量.     

Poisson回归模型的统计诊断与影响分析

文章研究了Poisson回归模型的统计诊断和影响分析方法,得到了一系列诊断统计量和检验统计量,并应用实际数值例子对诊断方法的有效性进行了验证。     

异方差分层线性模型的A-最优设计

分层线性模型在统计领域和实际应用中受到广泛关注,但是异方差分层线性模型的设计问题尚需更多关注和深入研究。对异方差分层线性模型的A-最优近似设计问题进行研究。以个体参数的精准预测为目标定义了模型的A-最优准则,证明了准则函数的凸性,并借助方向导数建立等价性定理以刻画A-最优设计。在不同的权重函数下以随机斜率一次回归模型和随机截距一次回归模型为例求解A-最优设计的解析或者数值结果,并比较了最优设计和等权重设计。结果显示,对于随机截距模型,等权重设计的效率与最优设计的效率接近,对于随机斜率模型,等权重设计的效率低于最优设计。     

线性回归模型的稳健估计及异方差检验

将Huber函数引入线性回归模型的对数似然函数中,利用Fisher Scoring迭代法得到参数的稳健估计(M估计);在M估计的基础上,对模型进行异方差检验,建立Score检验统计量;最后用一组实际数据说明本文方法的有效性.     

基于离中度的模糊线性回归模型的统计诊断

针对实数值输入、不确定值输出的模糊线性回归模型,讨论了基于模糊离中度数据删除的模型参数估计,建立了观测数据中异常点或强影响点的检验统计诊断量,并给出运用该诊断量进行检验的步骤.文章中的方法不仅能够在一定程度上克服已有方法的某些不足,而且能有效地提高计算结果的准确性,最后实例表明,该统计诊断量是合理有效的.     

具有AR(p)误差的非线性模型异方差和相关性检验

讨论随机误差是AR(p)序列的非线性回归模型的异方差和自相关性检验问题.首先导出联合检验的score统计量,然后利用参数的正交变换,得到了调整的score检验统计量.当模型存在自相关性时,给出了检验异方差性的score统计量和调整的score统计量.最后利用得到的检验方法分析了氯化物数据,分析结果表明,该数据具有显著的异方差和AR(2)相关性.     

一类线性回归模型的参数估计

考虑一类多总体线性回归模型,其特点是它们均具有部分相同回归系数.采用各个子总体内样本利用最小二乘方法估计回归参数,然后依据样本容量进行加权估计公共回归系数,最后把公共回归系数回代到各个线性回归模型,利用最小二乘方法估计不同部分系数.理论结果表明,此种方法得到的估计量,不仅是无偏估计,而且方差比用单个子总体样本得到的最小...     

广义二项回归模型的影响诊断

本文系统研究了广义二项回归模型的统计诊断和影响分析方法, 给出了模型的参数估计和模型中散度参数检验的Score统计量,并基于数据删除模型和在3种局部扰动情形下,研究了模型影响分析问题,最后通过两个数值例子验证了本文方法的有效性。     

异方差下利用Bootstrap抽样技巧对基因表达样式进行选择和聚类

通过利用Shi,Shi-Jiang算法和一个Bootstrap抽样技巧,给出了一个推广了的序约束推断方法,在不需要满足方差恒定假设的前提下处理相同的选择和聚类问题.模拟结果显示此方法比Peddada和Simmons-Peddada方法更好地控制了假阳性率.     

广义线性模型的统计诊断问题

讨论了多维广义线性模型的诊断问题,证明了均值漂移模型与数据删除模型的等价型,求出了常用诊断统计量的一阶表示式.     

半参数线性回归模型的最小一乘核估计

提出半参数线性回归模型的最小一乘核估计,通过模拟计算表明该方法是有效的,在与最小二乘核估计的比较中更突出了该方法的稳健性.     

非参数的广义转换异方差模型

在风险管理中,费用的平均值E［Y|[WTHX]X[WTBZ]］是一个关键参数.预测平均费用的主要困难在于费用数据是严重偏态且异方差.目前常用的方法有转换模型及广义线性模型方法,这两个方法独立被研究,没有任何交叉,它们部分地克服了数据的偏态性及异方差性质. 本文提出了一个新的非参数模型,它不要求给定转换函数、联系函数、方差函数及误差分布函数. 现有的转换模型及广义线性模型都只是这个模型的特例,该模型可以在一个相当广泛的范围内提供一个最好的选择. 更重要的是本文用一个非常简单的方法估计感兴趣的参数,估计过程中