广义线性模型的诊断与实例分析

研究了广义线性模型的诊断，将线性回归模型的诊断方法推广运用到广义线性模型，证明了均值漂移模型与数据删除模型的等价性，研究了判断异常点的Score检验统计量．最后通过实例建模，验证了本文给出的诊断方法的有效性．     

Logistic模型的统计诊断

系统地分析了Logistic模型的统计诊断,将线性模型的诊断方法运用到Logistic模型。推导出数据删除模型一阶近似的参数估计公式,并给出数据删除模型与均值漂移模型的等价性;推导了判别强影响点或异常点的诊断统计量如Score统计量、广义Cook距离、似然距离等。通过实例分析证实了该诊断方法的有效性。     

变结构非线性模型的Score统计量的影响分析

对于具有结构变化的非线性回归模型,为了识别出数据对其阶段异方差Score检验统计量的影响,提出采用梯度方向探讨了模型中响应变量及自变量的微小扰动对于该模型的Score统计量的局部影响,分别得到了度量最大局部影响的诊断统计量.将所得统计量应用于2个澳大利亚南方地区栽培洋葱而得到的产量和密度数据,并识别出了其中的影响点.     

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.     

多元约束线性回归中异常值检验

讨论了带约束的多元线性回归模型中异常值的检验问题,证明了带约束的多元数据删除模型与相应的均值漂移模型的统计量之间的等价性,得到了异常值检验的似然比统计量及其分布。     

一类线性混合效应模型分位数估计的影响分析

当回归模型误差服从非对称或非正态分布时,尤其是在重尾分布或分布受污染的情况下,如何检测纵向数据中的异常值是数据分析中的一个重要问题。为了克服非正态分布模型误差的影响,采用稳健的分位数方法对一类线性混合效应模型进行参数估计,并分别基于数据删除模型和均值漂移模型构造强影响点的诊断度量和异常值的检验统计量,以有效地检测强影响点和异常值点。在识别强影响点时,为了减轻计算负担,利用光滑逼近的方法给出了数据删除模型参数的一步近似估计,并据此构造出基于损失函数的距离和Cook距离。为了能够识别异常值点,首先构造出检验异常值点的Wald统计量,然后基于数据删除模型和均值漂移模型的系数估计的等价性,利用Bootstrap抽样得到检验的拒绝域。数值模拟结果表明,本文所提的诊断度量和检验统计量都能够很好地判断出强影响点和异常值点。最后应用本文方法针对化学实验纵向数据进行了影响分析。     

基于正态误差的纵向数据模型的Bayes诊断

本文对线性和非线性纵向数据模型进行Bayes统计诊断,其中包括对数据删除模型（CDM）和均值漂移模型（MOSM）诊断.当MSOM中的漂移参数服从无信息先验（不管其余参数服从何种先验分布）,且回归参数的最大后验估计（MBE）在各个模型中存在唯一时,CDM与MSOM中回归参数的MBE等价,但是方差参数的MBE不等价;当MSOM中的漂移参数服从共轭先验时,CDM与MSOM所有参数的MBE一般均不等价.然后通过一组实际数据说明了对纵向数据模型的Bayes诊断的应用.     

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.     

含方差扩大的一般均值漂移模型的Score检验统计量

该文研究了含方差扩大的一般均值漂移模型中漂移量的存在性检验问题.利用Score函数和Fisher信息阵,获得了检验的Score统计量.     

误差项为RDM的广义线性模型的诊断

该文将Cook和Weisberg提出的线性模型残差分析和影响分析方法用于误差项为RDM的广义线性模型,证明了均值漂移模型与数据删除模型的等价性,求出常用诊断统计量的一阶表示式。     

随机删失非参数固定设计回归模型的诊断

文章主要研究了随机删失非参数固定设计回归模型的统计诊断。首先利用随机删失非参数回归模型的性质和生存分布的Kaplan-Meier乘积限估计,将原模型转化为非参数回归模型进行研究;然后证明了数据删除模型与均值漂移模型的等价性,并给出了诊断异常点和强影响点的一些诊断统计量;最后通过实例分析,验证了上述诊断方法的有效性。     

具有随机组容量的Poisson-gamma模型离差参数齐性检验

针对目前离差参数齐性检验都假定组容量固定的情形,提出了在组容量随机情况下离差参数齐性的检验问题.通过采用方差参数化方法研究纵向数据中Poisson-gamma模型的离差参数齐性检验问题,给出了组容量的随机性和离差参数齐性的联合检验方法,得到了score检验统计量.通过数值算例的实证分析检验了该方法的有效性.     

基于M估计的纵向数据线性混合模型CDM和MSOM的等价性证明

研究了关于纵向数据的线性混合模型,由Fisher得分迭代法获得数据的删除模型（CDM）和均值漂移模型（MSOM）中回归参数β的M估计（稳健估计）的等价性,并对基于两种模型得到的诊断统计量进行了葡萄糖数据的实例分析,说明了方法的有效性．     

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.     

影响图在非线性回归异方差检验中的应用

提出把加权非线性回归模型看作一个扰动模型,利用影响图的正则曲率研究了此模型的异方差检验问题,并在此基础上得到了改进的Score统计量。最后用具体的数值实例说明所得结论的有效性。     

云南省金融发展与经济增长实证研究

对云南省金融发展与经济增长关系进行实证研究,通过建立线性回归模型和非线性回归模型,以及对模型的自相关和异方差性检验及校正,确立云南省金融发展与经济增长的最优模型,以揭示二者之间的相互作用机制．     

基于Bayesian方法的参数估计和异常值检测

异常值检测是当前数据分析研究中的一个重要研究领域。模型中的异常值会直接影响建模、参数的估计、预测等问题。基于模型的异常值检测,传统的做法是先对模型参数进行估计,再进行异常值检测。而异常值的存在会影响参数估计,从而导致下一步异常值检测的不可靠;反之异常值检测也会影响参数估计。针对这些不足之处,提出了基于 Bayesian 方法的参数估计和异常值检测,此方法可以将参数估计和异常值检测同时实现,具体做法是在线性回归模型中引入识别变量,基于 Gibbs 抽样算法,给出识别变量后验概率的计算方法,通过比较这些识别变量的后验概率进行异常值定位,同时给出参数的估算方法。通过大量的模拟实验,结果表明,与传统方法相比,提出的方法对异常值更灵敏。     

一类带跳的线性回归模型

针对普通的常系数线性回归模型存在预测误差较大的缺陷,对Hildreth-Houck模型进行修正,得到带跳的线性回归模型(LRMJ),对该模型中各参数进行估计,并对模型中被解释变量的数学期望与方差等统计性质进行讨论．最后将该模型运用于一个实际问题,证明该模型不仅可行而且能够得到比普通常系数线性回归模型更为精确的预测值。