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。     

客户期望寿命的乘积限估计

采用生存分析中的非参数方法估计客户在其每个交易期内的维系概率、客户的期望寿命和客户终生价值。在将客户采购“日历”记录转变成“年龄”记录后,针对数据删失导致的流失、未流失和部分流失等3种客户生存状态,应用K ap lan-M e ier乘积限方法估计其生存概率,进而计算客户的期望寿命。在此基础上,提出结合净收益时间序列或加权平均计算客户终生价值。借助主流统计软件包(如SA S系统)进行乘积限估计,可以有效地实现该文提出的模型。     

图书借阅预测的ARIMA乘积季节模型构建及实证分析

本文研究乘积季节模型在我校图书借阅预测中的应用,通过对我校2007年1月到2009年12月的月度图书借阅数据来进行实证分析,采用差分方法对序列资料进行平稳化,然后进行模型定阶并估计其参数,建立了我校图书借阅的乘积季节预测模型ARIMA（4,1,1）（1,1,1）^12。对模型进行诊断检验,结果表明,用该乘积季节模型对我...     

一种混合退化系统剩余寿命预测方法

针对传统的预测方法不能同时考虑线性和非线性退化问题,提出了一种基于维纳过程的带随机参数和确定参数的混合退化模型.基于首达时间(FHT)的概念给出了剩余寿命(RUL)的解析渐进显式形式,模型中随机参数通过Kalman滤波技术实时更新,确定参数采用极大似然估计进行估计.最后,采用陀螺仪实验数据验证了该方法的有效性.     

半参数计量经济联立模型的局部线性广义矩变窗宽估计

提出半参数计量经济联立模型的局部线性广义矩变窗宽估计,并在随机设计(模型中所有变量为随机变量)下,利用极限理论研究了估计的大样本性质.研究结果表明:参数分量估计具有一致性和渐近正态性且收敛速度为n-1/2;非参数分量估计在内点处具有一致性和渐近正态性,其收敛速度达到了非参数函数估计的最优收敛速度.     

NMAR机制下线性回归模型参数的Bayesian估计

当数据缺失机制为非随机缺失(NMAR)时,线性回归模型中的参数估计是一个复杂的问题.本文采用贝叶斯(Bayesian)方法,并利用MCMC方法、选择模型和Gibbs抽样方法,求得了参数的Bayesian估计,用一个模拟例子求得参数的估计均值和方差说明了此种方法的可行性。     

基于贝叶斯方法的蒙古栎林单木树高-胸径模型

【目的】贝叶斯统计法在提高参数稳定性上有较大的优势,但在森林生长模型中的应用并不多见。研究贝叶斯方法在树高-胸径模型中的应用,改进模型参数的估计方法,为蒙古栎天然林树高生长预测提供支持。【方法】以蒙古栎天然异龄林为对象,基于197块蒙古栎天然异龄林固定样地数据,采用传统极大似然法、贝叶斯法估计树高-胸径基础模型,以及极大似然法与层次贝叶斯法估计树高-胸径混合效应模型。随机抽取80%的样地数据用于建立模型,剩余的20%用于检验模型,基于基础模型与混合效应模型,利用经典概率统计法(极大似然估计)、有先验信息的贝叶斯统计法和层次贝叶斯统计法进行参数估计,分析模型的表现和参数分布。模型的拟合效果通过绝对平均误差(MAE)、相对平均误差(RME)、均方根误差(RMSE)、相对均方根误差(RMSE%)、决定系数(R²)、赤池信息准则(AIC)和偏差信息准则(DIC)指标来确定。【结果】对于基础模型,有先验信息的贝叶斯统计参数可信区间集中。对于混合模型,层次贝叶斯法估计的固定效应参数可信区间较传统方法更为集中,但随机效应参数可信区间相较极大似然法的置信区间更为扩散。使用层次贝叶斯混合效应模型的拟合效果最好,其决定系数R²为0.946。MAE、RMSE和RMSE%指标显示,层次贝叶斯法估计的模型精度最高,其次为极大似然估计的混合效应模型,贝叶斯法估计的基础模型以及极大似然估计的基础模型精度较低。【结论】层次贝叶斯统计法在拟合树高-胸径模型方面具有明显的优势,拟合效果最好,模型预估精度最高。此外,层次贝叶斯法能够以之前建立的模型结果作为先验信息而建立新的模型,是森林经营单位更新模型的可选方法之一。     

基于UKF的参数和状态联合估计

对于因模型参数失配造成的非线性系统状态估计不准确现象,采用基于不敏卡尔曼滤波(UKF)的参数和状态联合估计方法,即将未知模型参数和状态组成增广的状态向量,用UKF同时获得参数和状态估计值.通过一个离散非线性随机系统的蒙特-卡洛仿真,总结滤波器参数对联合估计器性能的影响及参数选择规律.最后将该方法应用于一个典型的化工反应过程,获得了较好的效果.     

非线性测量误差模型的Bayes估计

讨论了非线性测量误差模型在未知参数具有正态先验分布时的参数Bayes估计,并对这种估计进行了影响分析,证明了删除模型(CDM)和均值漂移模型(MSOM)具有相同的参数Bayes估计,同时给出了参数Bsyes估计的影响函数.     

乘积型季节性模型自相关函数的结构

本文以自协方差发生函数为工具,讨论了乘积型季节性模型。Φ(B)Φ(B~8)x_t=θ(B)■(B~8)a_t自相关函数的结构,证明了当p=0时,模型是参数可分离的。本文的结果为乘积型季节性模型的识别和参数估计提供了一定的理论依据。     

随机删失场合下部分线性模型的最近邻估计

主要讨论了随机删失场合下,误差为NA序列时的部分线性模型,利用基于分布函数的最近邻估计和最小二乘法,给出了部分线性模型的参数和非参数部分估计,并得到了参数估计o(n-1/4)的收敛速度和非参数部分的强相合性.     

AR(1)误差的非线性随机效应模型的参数估计

介绍一类具有AR（1）误差的非线性随机效应模型估计的EM算法。这种算法能一次性的估计出模型中的所有参数，并用随机模拟数据和实际例子说明了EM算法的有效性。     

MCMC方法在估计二元随机波动率模型中的应用

金融数据的波动性一直是经济学研究的热点问题之一,随机波动率模型(SV)在波动率建模中有着重要的应用.马尔科夫链蒙特卡罗(MCMC)方法是估计参数的一种有效方法,给出估计一类二元SV模型参数的MCMC算法,并通过WinBUGS软件编程实现了该算法.文章最后给出了模型和程序的一个实际应用.     

对数随机系数自回归模型AR(1)参数矩估计的渐近正态性

在已知对数随机系数自回归时序模型AR(1)的参数矩估计及其相容性的基础上,通过对其协方差函数渐近性质的研究,证明了该矩估计的渐近正态性.     

缺失数据下线性EV模型的稳健参数估计

给出了多元线性EV模型下协变量具有随机缺失(MAR)时参数的稳健估计方法,并证明了估计的渐近正态性.模拟研究表明估计量在有限样本下具有很好的效果.     

AR(p) 模型参数的Bayes 估计及分布

利用Jeffrey模糊先验原理，通过分析AR(p)模型参数的概率分布密度函数，在二次损失下，参数的Bayes估计可以转化为LS估计，并给出参数的后验概率分布。     

部分线性可加模型的约束估计

文章讨论部分线性模型在约束情况下的估计问题.在一般的线性约束条件下利用两种方法构造参数分量的约束估计;当参数部分附加随机约束条件时,依据混合估计方法与Profile最小二乘方法,构造参数分量的随机约束估计;讨论一般约束估计和随机约束估计的关系.     

一类半参数变量含误差回归模型的小波估计

研究了一类解释变量为(x,T)的半参数变量含误差模型,其中,x∈Rp为非随机解释变量,T∈R1为随机解释变量.通过应用小波估计法和全最小二乘法得出了未知参数和未知函数的估计,在一般的条件下,证明了估计的强相合性.     

关于Oppenheim定理的推广

首先给出了拟复广义正定矩阵类(CP)Dn的定义，这个矩阵类包含了复正定矩阵和复广义正定矩阵类，然后应用拟复广义正定矩阵的性质，得到了Hermitian正定矩阵和拟复广义正定矩阵的Hadamard乘积的行列式的模的下界估计，这些结果不仅概括了经典的关于Hermitian正定矩阵的Hadamard乘积的行列式的下界估计的Oppenheim定理，而且也推广和改进了最近有关复广义正定矩阵的Hadamard乘积的行列式的模的下界估计文献。     

非参数混合效应模型的估计

针对非参数混合效应模型提出估计方法,通过B样条的方法估计非参数函数,使用惩罚(非加权)最小二乘方法估计随机效应,然后通过构造正态似然函数得到方差的估计,并且证明了方差分量的相合性和函数部分的渐近正态性;最后给出数字模拟来展示所提出方法的估计效果,结果表明:该方法给出的估计效果良好,且在数值上是稳定的。