混合线性模型最小二乘估计的模拟分析

本文首先用最小二乘估计的方法构造混合线性模型参数的估计量,在一定的假设条件下,进行数值模拟,以说明所构造的估计量的有效性。并给出一个实际算例来体现混合线性模型在实际当中的重要应用。     

海量数据下线性混合效应模型的估计算法

基于以往文献提出线性混合效应模型参数的三步估计方法,避免了繁杂的极大似然估计迭代步骤。同时为进一步解决海量数据下计算估计量时存在的存储瓶颈及计算时间过长问题,在海量纵向数据的两种不同数据格式下,分别基于三步估计方法利用分治算法计算模型参数的估计量。数值模拟和实证分析结果表明,本文所提出的三步估计方法和估计量的分治算法可以减轻计算负担,减少占用内存,解决内存不足的问题,并提高计算速度。     

异方差一致协方差阵的估计方法研究

处理回归模型中的异方差问题尤为重要的一点是对随机误差项的方差进行估计.考虑到非参数核估计和稳健估计在异方差构成未知的情况下在估计效果上仍具有一定优越性，因而将非参数N-W估计和两种稳健估计方法分别与估计加权最小二乘估计法相结合，先得出随机误差项方差的估计量，进而将其作为权矩阵对模型参数进行估计，并基于估计加权最小二乘法，对已有的加权异方差一致协方差估计方法进行扩展，提出了两个新的加权估计量WHC4m和WHC5m.通过实验可以发现，各估计方法在模型参数的估计和检验效果上差别较大，并且新提出的加权估计量比原有的异方差一致协方差估计量HC4m和HC5m在检验效果上表现更好.     

回归函数的变点分析

本文介绍了变点问题以及线性模型、半参数模型和非参数模型。在已有结论的启发下,给出了非参数模型中回归函数变点或不连续点的位置的估计量,证明了误差具有某种长程相依结构时,回归函数变点位置估计及其分布的大样本性质。在一定的条件下证明了估计量的收敛速度和极限分布。同时在误差具有不同相依结构下,对回归函数变点的位置进行模拟分析;也模拟分析了不同的核函数和带宽对变点估计的影响。     

基于小域数据的二项分布的EB估计

在这篇文章中,我们研究二项分布的参数的经验贝叶斯估计(EB估计),对先验分布的选取及超参数的估计进行了比较和分析,并在选取先验分布为共轭先验分布(贝塔分布)的前提下,构造出二项分布参数的一个EB估计量。通过模拟试验对直接估计量和本文给出的EB估计量的平均偏差进行了比较,结果表明本文给出的估计量的平均偏差较小,验证了构造的估计量是稳健的估计量。最后根据2009~2012年美国新泽西州21个县的抽样调查数据计算该地区的贫困人口比例,并画出散点图进行分析。     

均匀分布的截断δ冲击模型参数的Bayes估计

利用Bayes估计的方法得到了截断δ冲击模型参数的Bayes估计量,并运用数值模拟的方法对估计量进行实证,得到了参数δ和分布函数之间的变化关系。     

基于删失数据估计医疗费用的新方法(英文)

为了基于删失数据更好的估计医疗费用均值,提出了一种与以往不同的估计方法,并且在Markov假设下根据这种方法给出了一种无偏的分层估计量.采用了几种不同的方法进行数据模拟,来比较这一估计量和其他几种估计量的表现,进而说明了这一估计量的优越性和稳健性.并且还说明了在不同情况下应选择何种估计量以达到最优效果.最后,讨论了这一估计量可能的改进措施以及这一方法在回归模型中的应用.     

具有随机约束的混合效应模型参数的岭型谱分解估计

对于具有随机线性约束的线性混合效应模型参数提出一种称之为条件岭型谱分解估计的方法.利用均方误差矩阵和广义均方误差对固定效应参数的几种估计量进行比较,给出条件岭型谱分解估计优于条件谱分解估计的充分条件,并给出这两种估计的相对效率的上下界.最后,模拟算例验证了理论结果的正确性.     

具有随机约束的混合效应模型参数的岭型谱分解估计（英文）

对于具有随机线性约束的线性混合效应模型参数提出一种称之为条件岭型谱分解估计的方法.利用均方误差矩阵和广义均方误差对固定效应参数的几种估计量进行比较,给出条件岭型谱分解估计优于条件谱分解估计的充分条件,并给出这两种估计的相对效率的上下界.最后,模拟算例验证了理论结果的正确性.     

基于高频数据的日频GARCH模型估计

利用日内高频数据来估计日频GARCH模型.已有相关研究均假定GARCH方程中常数项是给定的,限制了方法的广泛应用.本文基于常规GARCH(1,1)模型框架,针对模型全部参数给出了2种估计方法,讨论了估计量的理论性质.针对不同波动率代表,给出最优波动率代表选择标准.模拟研究表明所提参数估计量具有更小的渐近标准差,实证研究...     

位置参数变点估计的收敛速度

对至多一个位置参数变点的模型,基于反对称核函数,运用累积和(cumulative sum,CUSUM)方法给出了变点的U统计量型估计量,并研究了变点估计量的相合性和收敛速度,同时也给出了局部对立条件下估计量的相合性.最后进行了不同样本容量和参数设置下变点估计的模拟分析,从直方图可以看出:变点位置越靠近中间位置,估计越精确.模拟结果显示所给出的估计量的有效性.     

随机丢失响应的半参数变系数部分非线性模型的估计

通过研究随机缺失响应变量的半参数变系数部分非线性模型,对模型中的各个参数进行估计;通过将线性近似方法与随机缺失响应变量的变系数部分非线性模型的样条估计方程相结合来估计模型中的未知参数,并验证了所得估计量的渐近性质;最后,通过进行两组模拟来验证估计过程的合理性,评估所提出的估计方法的性能,并根据不同的数据量做出估计精确度的对比;结果表明,两个步骤在有限样本中表现良好,随着样本数据量的增加及缺失率的降低,估计的精确性提高。     

冲击时间间隔服从[0,b]均匀分布的截断δ冲击模型的参数估计

截断δ冲击模型是一类特殊的冲击模型,在可靠性数学理论中具有一定的研究价值.文章应用极大似然估计的方法对冲击时间间隔服从[0,b]上均匀分布的截断δ冲击模型的参数和δ进行估计,得到了模型的参数估计量和寿命期望.最后,用Mat lab R2013a对δ的估计量进行模拟,得到了δ和其他参数之间的变化关系.     

部分线性分位数回归模型的平均估计

模型平均估计可对不同候选模型中的参数估计量进行加权平均，能有效提高参数估计的精度，在经济、金融和管理等领域有着广泛应用。为提高部分线性分位数回归模型的参数估计效果，本文构造了基于兴趣参数的模型平均估计量并探究了其大样本性质。首先，利用B样条近似非参数函数，并通过极小化分位数损失函数来得出各候选模型的回归系数估计量，在局部误设定框架下推导了系数估计量的渐近分布；其次，基于候选模型中兴趣参数的估计构造出了模型平均估计量，并得出其渐近性质；最后，推导了覆盖真实参数的概率趋近于名义水平的置信区间。本文研究不仅丰富了平均估计的渐近分布理论，而且为兴趣参数构造了合适的置信区间。     

成组数据下加速失效模型的光滑估计

对成组数据下加速失效模型的回归参数提出一种光滑估计方法.设计一种重抽样方法估计渐近协方差阵,并进行了数值模拟计算.结果表明,在一定条件下,所提出的估计量是相合的且具有渐近正态性.     

随机模拟验证相合性

对于新提出的统计方法,通常需要通过计算机模拟验证其可靠性和有效性。本文以正态分布中未知参数的点估计为例,通过随机模拟的方法来评估性地证明传统参数估计的矩估计方法得到的估计量是真值的相合估计。     

MA模型参数的两种估计方法及其渐近性质

本文利用MA模型参数与其逆转形式系数之间的关系,给出了参数的两种线性估计方法,并证明了本文给出的方法具有强相容性和渐近正态性。     

带有协变量动态可靠性模型参数的估计

考虑带有协变量的k-out-of-n系统, 假设系统中正常工作变量剩余寿命的条件风险函数为成比例的风险模型, 讨论该模型参数、 系统的可靠度函数和分位数函数的最大似然估计以及这些估计量的渐近正态性, 给出模型参数的置信区间, 并对点估计和区间估计进行Monte Carlo模拟研究. 结果表明, 估计量的均方误差随样本容量的增加而减少.     

带测量误差的非参数众数回归模型的模拟外推估计

本文研究了带测量误差的非参数众数回归模型的估计问题.首先,利用核密度估计并结合模拟外推的方法构造了非参数函数的估计,其次,在适当的条件下证明了所给估计量的渐近正态性.数值模拟研究表明所给估计在有限样本下表现良好.     

Warner模型中的Jackknife方法

本文在二值敏感问题随机化调查的wamer模型中引入了Jackknife方法．构造了总体敏感属性比例的Jackknife估计量πJ并讨论了估计量的性质.进而构造了Jackknife估计量方差的估计量方差的估计量.对于一个人为总体计算得到通常估计和Jackknife估计的有关数值结果,说明了本文提出的方法在实际中是一个可用的方法．