一类变系数分组Cox回归模型及其估计

讨论了一类变系数分组Cox回归模型.该模型提高了线性分组Cox回归模型的灵活性和适应性.基于局部加权极大似然估计方法,讨论了该模型的参数估计问题,利用迭代加权最小二乘法给出了局部似然方程的迭代算法.     

半变系数伽马脆弱模型惩罚部分似然估计

为了更好地分析对数风险函数与协变量之间复杂的非线性关系,提出一种半变系数伽马脆弱模型并给出其估计方法．首先,应用B-样条将半变系数伽马脆弱模型近似转化为线性伽马脆弱模型,然后运用惩罚部分似然法估计转化后模型的线性参数,随后采用近似轮廓似然法并运用黄金搜索算法估计随机效应的参数;在通过迭代获得转化后的线性系数以及随机效应参数的估计以后,运用B-样条得到变系数函数的估计．经蒙特卡罗模拟研究发现,该方法可以给出协变量的线性参数以及变系数函数较为精准、稳定的估计,是分析协变量对于风险率影响的有效方法．最后,应用所提出的方法分析了NCCTG肺癌数据．     

变系数Logistic模型估计及其应用

以线性Logistic模型为基础,通过假定其中的回归变量系数是某一度量空间中点的任意函数,提出了一类有广泛应用背景的变系数Logistic模型.该模型提高了线性Logistic模型的灵活性和适应性.基于局部加权最大似然估计方法,系统讨论了变系数Logistic模型的拟合,以及与之相关的局部权系统和其中光滑参数的确定.最后,探讨了本模型在判别分析中的应用.     

浅论“广义”最大似然估计

我们常常会遇到最大似然估计不存在的情况,这种情况以在非正态回归模型中最为典型。当参数向量不能被估计时,人们对参数向量的线性函数的估计饶有兴趣。本文给出了这些线性函数的广义最大似然估计的定义,讨论了广义最大似然估计的性质,探讨了利用射影变换求广义最大似然估计的方法。     

半参数变系数部分线性模型的函系数检验

通过局部线性方法给出未知函系数与未知参数的拟似然估计, 利用未知量的拟似然估计构造了函系数部分的广义似然比检验, 并证明了原假设下检验统计量渐近服从自由度独立讨厌参数与讨厌函数的~$\chi^{2}$-分布, 揭示了Wilks 现象. 通过模拟例子对给出的检验方法作出分析.     

广义线性模型的大样本理论及其研究进展

系统介绍广义线性模型的研究概况和最新进展,主要包括广义线性模型的极大似然估计理论和拟似然估计理论、广义线性模型在复杂数据中的应用以及广义线性模型的经验似然和变量选择问题。并指出了广义线性模型将会在高维数据的理论和应用研究方面有所发展。     

非线性再生散度模型两种估计方法的比较

介绍以RDM为随机误差的广义线性模型-非线性再生散度模型的定义,分别考虑非线性再生散度模型的极大似然估计和Bayes估计,以模拟研究和实例分析对以上估计方法加以比较说明.     

基于Wiener过程的多阶段非线性复杂退化产品可靠性分析模型

为提高非线性退化轨迹拟合的精度,针对多阶段退化中的非线性规律建立Wiener过程模型,考虑变点的连续性与部件个体的差异性,给出基于非线性复杂退化的可靠性评估方法。结合幂律函数推导出非线性多阶段Wiener过程模型,得到模型参数的极大似然估计量;通过最小均方误差原则给出变点以及幂参数的初值确定方法;根据SIC(schwarz information criterion)方法得到模型变点的精确值,并检验其准确性;结合不同部件之间的差异性,得到变点的连续分布;推导出非线性Wiener过程连续时段内的可靠度函数估计;利用本模型对高压脉冲电容器电容相对变化量的退化数据建模,与线性建模结果对比,验证多阶段Wiener过程模型在可靠性评估方面的有效性与可行性,估计结果更接近真实值。     

区间删失下广义幂威布尔回归模型的参数估计

为研究区间删失的观测数据,结合广义幂威布尔分布和非线性回归模型提出了广义幂威布尔非线性回归模型,并基于迭代法给出了模型中参数的极大似然估计.最后就不同危险函数、样本量和删失比,通过蒙特卡洛模拟说明了参数估计方法的有效性.     

分配模型中参数的极大似然估计

矩阵代数中的广义逆和相关概念应用于普通约束条件下极大似然估计问题中,Ａｉｔｃｈｉ－ｓｏｎ及Ｓｉｌｖｅｙ曾获得了在一阶条件下解的迭代概型公式,而推广到加边信息矩阵有损秩且当观测值为独立同分布的情况下;Ｈｅｉｊｍａｎｓ和Ｍａｙｎｕｓ等近年又得到了极大似然估计量渐近正态性的结果。本文将近一步研究在观测值为非独立同分布时的一个非线性回归模型,若它可能有奇异协方差且参数在线性约束的条件下——称之为分配模型的参数极大似然估计问题,同时对它的一个特殊情况线性消费系统进行讨论。     

变系数线性EV模型的经验似然推断

考虑变系数线性EV模型,构造了模型中未知系数函数的经验对数似然比统计量.在适当条件下,证明了所提出的统计量具有渐近2χ分布,所得结果可以用来构造未知系数函数的逐点置信域,并给出了未知参数的最大经验似然估计(MELE),证明了其渐近正态性.     

基于SA-MCMC算法的非线性测量误差模型数据删除影响

为了研究非线性测量误差模型强影响点的识别问题,首先将非线性测量误差模型中存在误差的不可观测的数据当作缺失数据,利用SA-MCMC算法求得模型参数的最大似然估计,然后用Q函数代替可观测数据的对数似然函数进行影响分析,得到了建立在Q函数基础上的广义Cook距离及其一步近似,最后通过算例说明了诊断统计量的有效性.     

变系数联立模型的局部线性广义矩估计

目的在随机设计条件下,提出了一类变系数联立模型,对模型的变系数进行了估计,研究了估计量的大样本性质。方法局部线性广义矩估计。结果利用概率论中大数定律和中心极限定理,证明了估计量的大样本性质。结论局部线性广义矩估计具有相合性和渐进正态性。     

部分线性模型的光滑样条推断

运用光滑样条估计部分线性模型中的非参数函数,利用限制最大似然或广义交叉验证（GCV）的方法选择光滑参数,主要考察了部分线性模型的光滑样条估计以及有关非参数函数部分的假设检验．基于光滑参数的选择方法,提出了部分线性模型中的非参数函数是否为多项式函数的假设检验方法,并通过模拟例子研究本文提出的推断效果．     

基于半参数统计模型的弗明翰心脏病数据研究

对于弗明翰心脏病数据,线性模型往往不能很好地拟合,而利用半参数统计模型能提炼出较准确的信息;对于半参数统计模型——单指标模型和单指标变系数模型,一般利用局部回归方法进行联系函数的估计,估计方程估计方法进行指标系数的估计;在此理论基础上,对弗明翰数据进行拟合并作出分析和比较;结果表明:单指标模型和单指标变系数模型都能较好地拟合并解释弗明翰心脏病数据,但由于单指标变系数模型比单指标模型多考虑了一些因素,所以单指标变系数模型相对来说能更多地提取一些数据中隐藏的信息,能更客观地解释弗明翰心脏病数据的现实意义。     

响应变量缺失下基于协变量平衡下的变系数模型的经验似然推断

在实际问题中时常会遇到缺失数据的问题,这时已有的处理完全观测数据的统计方法将不再适用.本文研究在响应变量随机缺失下的变系数模型的统计推断问题.主要分为以下几个方面:首先基于协变量平衡倾向得分下的广义矩方法得到了选择概率的估计并且给出了估计量的渐近性质;然后研究变系数模型的未知系数函数的经验似然推断,借助选择概率的估计和...     

基于布谷鸟搜索算法的最大似然DOA估计

为解决最大似然DOA(Direction of Arrival)估计多维非线性搜索计算量大的问题, 将布谷鸟搜索算法与最大似然算法相结合, 利用布谷鸟搜索算法优化多维非线性的最大似然DOA估计谱函数。在保留布谷鸟搜索算法的主体思想的同时, 改进了算法的位置迭代方式, 加快了收敛速度。仿真结果表明, 改进的布谷鸟搜索算法在DOA估计中具有较好的收敛性, 估计性能较好。     

缺失数据下广义线性回归拟似然估计的强相合性

研究了响应变量随机缺失下的广义线性模型,利用处理缺失数据的完全数据方法,构造了广义线性模型中未知参数的拟似然估计.结合随机缺失机制和若干极限定理,证明了该拟似然估计的渐近存在性、强相合性和收敛速度.     

时空加权回归模型的变窗宽局部估计

基于合变系数模型的局部线性估计方法与时空加权回归(GTWR)拟合方法,给出了时空加权回归模型的局部估计方法,并在其中嵌入一个变窗宽以提高其估计精度.     

具有均匀协方差结构的曲线增长模型的局部影响分析

利用广义影响函数和广义Cook统计量来研究具有均匀协方差结构的曲线增长模型的局部影响问题 .得到了不同扰动形式下 ,参数矩阵B及协方差阵∑的极大似然估计的局部影响度量 ,并利用实例说明了该方法的有效性