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．     

非线性LTS稳健估计方法

为使原始LTS(least trimm ed squares)方法能够处理非线性问题,研究非线性LTS稳健估计方法。说明该方法的解一定是部分观测值的非线性最小二乘估计。该方法可通过求解非线性最小二乘问题得到确切解。基于MM EA(m in im um m ax im um exchange a lgorithm)算法和非线性最小二乘技术,构建求解非线性LTS估计近似解的算法。仿真结果表明非线性LTS估计方法能够同时抵抗来自X方向和Y方向的多个异常,与传统方法相比具有更好的稳健性。     

非线性回归模型M估计的信息损失

首先考虑非线性回归模型中参数向量θ的M估计的用曲率表示的一阶随机展开式.在此基础上,求出θ的Huber形式的M估计的信息损失.     

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.     

Panel数据模型中两步估计的改进

研究只含一个随机效应的Panel数据模型中未知参数的估计问题.在均方误差矩阵意义下,给出了两步估计优于Within估计的一个简单的充分条件.在此基础上改进了两步估计,并给出了改进后估计的协方差矩阵.     

分布式驱动电动汽车纵向车速非线性自适应估计

基于分布式驱动电动汽车,提出了一种纵向车速非线性自适应估计算法.该算法使用车辆加速度传感器信息和各车轮滑移率反馈值对车辆纵向车速进行估计.从理论上证明了纵向速度估计误差收敛.根据各车轮滑移率的大小确定各轮速估计误差在估计算法中的反馈修正比例.使用带遗忘因子的递推最小二乘算法在坡道路面对路面坡度进行了在线实时估计,进而使用坡度估计值修正纵向加速度传感器信息,实现了坡度自适应纵向车速估计.该方法具有计算量小、估计精度高的优点.通过多工况的实车试验验证了算法的有效性.     

删失数据非线性回归模型的广义M估计

加速失效模型(AFT模型)是研究失效时间和协变量间相互关系的一类重要模型.在标准的AFT模型中,假设对数变换后的生存时间与协变量间是线性关系,本文将线性关系扩展到非线性,在广义M估计的目标函数中使用Kaplan-Meier权,提出右删失数据非线性回归模型的加权广义M估计.我们还得到了广义M估计的渐近性和相合性,并且通过模拟研究验证了该方法在有限样本情形下估计效果良好.     

具有指数相关的纵向数据模型中的齐性检验

在纵向数据分析中,经常假定方差是齐性的,但是该假定未必正确.对具有AR(1)误差的非线性纵向数据模型,林金官和韦博成讨论了其方差和相关系数的齐性检验.本文针对具有指数相关协方差结构的纵向数据模型,研究了方差齐性和相关系数齐性的检验,得到了检验的score统计量,并对葡萄糖数据进行了分析.     

基于界址点的地籍时态数据模型

为了高效管理和利用地籍时态数据,在分析了宗地变化规律的基础上,对地籍管理领域的时态建模进行了探讨,提出了基于界址点的时态数据模型及基于该模型的快照查询和历史查询方法,并用实例进行了说明.基于界址点的地籍时空数据模型既用界址点反映宗地的历史联系,又用界址点反映宗地之间的关系,基于界址点的索引机制可以达到快速提取和更新的目的,以便于时态分析的实现.因此,它不仅能够减少数据冗余优化了空间数据的存储,还便于进行历史查询.该研究成果对开发和建设时态地籍信息系统具有一定的参考价值.     

Müntz有理逼近的点态估计

目的建立Müntz有理逼近速度刻划的新方法。方法借助构造性分析的方法进行研究。结果推广了Müntz逼近指数所满足的条件,在更加广泛的条件下建立了Müntz有理逼近点态的Jackson估计,即Rn(f,Λ)≤CMω(f,xn 1n2),其中Λn={kλ}nk=1为一非负递增的实数序列,λn 1-nλ≥Mnα,n=1,2,…,12≤α< ∞。结论所得结论推广了以前文献中的相应结论。     

Volterra-Wiener-Korenberg模型非线性检验方法

通过Logistic系统产生的周期2、周期3及混沌的时间序列研究了噪声对Volterra-Wiener-Korenberg模型非线性检验方法的影响，由Lorenz混沌时间序列进一步探讨了采用该方法检验非线性时间序列的实用性，并利用该方法对疲劳表面肌电信号进行了非线性分析。结果表明，测量噪声和内部噪声对该方法的影响有所不同，从而对于有噪声的短实验数据，该方法只是一种间接的非线性检验方法，并不能直接判定原始数据是否存在混沌特性。     

半参数纵向数据的Logistic模型

以纵向数据的半参数模型为基础,建立了半参数纵向数据的Logi st i c回归模型,对此模型中的参数进行了参数估计,讨论了它的信息矩阵,给出了似然方程的Newt on-Raphson迭代求解过程。     

纵向数据的混合效应模型

考虑如下的线性混合效应模型:.其中αi为随机效应部分,{εik}对同一i而言是平稳的α-混合序列.使用特征函数的方法估计了随机效应的密度函数以及模型的参数β,并研究了估计量的大样本性质.     

M-估计的强相合性

本文在x1，x2，…，xn，…为非随机变量的情况下讨论了模型y1=f（xi，θ）＋εi i=1，2，…，n下的M-估计θn的强相合性，其中θn满足∑^ni=1p（yi-f（xi,θn））=minθ∈⊙ ∑^ni=1p（yi-f（xi,θ））给出了M-估计具有强相合性的一个充分条件。     

纵向数据半参数Possion回归模型

建立了半参数纵向数据的Possion回归模型,并利用极大似然估计对此模型的参数进行了估计,讨论了它的Fisher信息矩阵,给出了似然方程的Newton-Raphson迭代求解过程.     

NA误差下线性模型参数M估计的强收敛速度

在NA误差下讨论了线性回归模型参数M估计的强收敛速度，从而将[1]在独立误差下的线性回归模型参数M估计的强收敛速度推广到NA误差场合。     

纵向数据混合效应模型的一类新估计

提出一个核线性混合效应模型(KLME)估计量.该方法是结合核方法与线性混合效应模型方法得到的.此估计量能够达到很好的渐进有效性.     

纵向数据测量误差模型的2次统计推断

考虑纵向数据的线性误差模型,其中协变量含有测量误差。使用2次函数推断方法得到回归参数的估计,证明所得到的估计渐近地服从正态分布;对参数的假设检验问题,证明所得统计量渐近地服从χ2分布,并通过数值模拟讨论方法的有限样本性质。最后,该方法被用于1组艾滋病数据的实证分析中。     

基于模糊点数据的线性回归模型在判别分析中的应用

在经典回归分析理论中,训练数据在回归方程的构建中是被同等对待的.然而,在许多实际问题中,训练数据的作用是不同的,通常有些训练数据比其他数据更重要.为此,给每个训练数据赋予一个置信权重(这里的样本称为模糊点样本数据),并且给出了确定该置信权重的几种常用方法,讨论了基于模糊点数据的线性回归模型用于判别分析的情况.最后给出了数值例子.     

烧结普通砖检测试验中的结果分析

文章分析了烧结普通砖检测试验中异常情况出现的原因,提出了判别的标准及处理原则.