预测性伪似然法和贝叶斯法广义线性混合模型估计

目的比较预测性伪似然法(PQL)和基于马尔可夫蒙特卡罗(MCMC)的贝叶斯方法在广义线性混合模型参数估计的偏差和精度。方法针对样本含量不等的层次数据,运用SAS/glimmix过程和WinBUGS软件分别进行PQL和贝叶斯法参数估计。结果两种方法固定效应参数估计结果基本一致,但对随机效应方差的估计,基于MCMC的贝叶斯法偏差远小于PQL法。结论对二分类层次数据,采用广义线性混合效应模型贝叶斯估计精度更高,偏差更小。

基于伪似然估计算法的网络延迟计算仿真

在网络实际应用过程中,由于网络规模不断扩大,网络复杂性不断提高,在网络数据传输过程中,需要获取网络中的节点性能参数。但是,网络中的节点存在较大的差异性,将造成节点的性能参数过于复杂,在通信过程中协调性较差,存在冲突现象,导致对这种延迟的估计出现偏差。提出了一种伪似然的网络延迟估计算法。利用小波域数据线性变换模型,计算网络状态参数,为网络延迟计算提供准确的数据基础。统计网络延迟的概率分布情况,将网络延迟计算问题,转化为伪似然估计问题,并对该问题进行求解处理,消除干扰的影响。实验结果表明,利用该算法进行网络延迟计算,能够在网络规模比较大、网络复杂性比较高的情况下有效地获取网络延迟程度,获取的结果与实际的网络延迟分布情况非常接近,真实的反映了网络延迟情况。

基于最大伪似然准则估计的故障链路诊断

识别网络内部的故障链路对提升网络性能具有重要参考价值。研究了树型拓扑下基于端到端测量的故障链路诊断问题,提出一种最大伪似然估计方法估计链路先验故障概率,把树型拓扑划分为一系列具有两个叶节点的子树,并使用期望最大化(EM)算法最大化每个子树的似然函数,求出链路先验概率。仿真实验表明,该方法与现有的联立方程组求解方法估计精度相当,但是大大降低了算法时间复杂度,证明了该方法的有效性。

基于高斯伪似然的正定相关阵估计及其应用

基于高斯伪似然方法提出一种广义估计方程中工作相关阵的相合正定估计方法,并证明了无论工作相关阵是否被正确指定,所提出的AR(1)、等相关和MA(1)工作相关阵的高斯伪似然估计均为正定的.模拟结果表明,基于正定相关阵估计广义估计方程的回归参数估计是高效的.

纵向数据中伪似然方程的根的相合性

研究了伪似然方程的根的渐近存在性和相合性大样本性质.伪似然方程是研究纵向数据的一种方法,它是广义估计方程(GEE)的一种推广,用适当的矩阵去估计相关阵,这也是研究意义所在. 自从Shao(1999)定义伪似然方程以来,其大样本性质也不断完善. 本文证明了在一定条件下伪似然方程的根的渐近存在性及相合性.

基于偏态伪似然下偏态回归模型的参数估计

在社会和经济等许多领域中都存在着大量的偏态数据,在偏态总体分布未知但前三阶矩已知的情况下,研究提出偏态伪似然方法,并利用极大偏态伪似然方法得到偏态回归模型的参数估计,通过随机模拟比较研究和实例分析,表明模型和方法的有效性与实用性.

Cox模型下病例队列设计中两种伪似然推断方法及其应用

在许多大型队列研究中,采用节约成本并能提高效率的抽样设计至关重要.基于生存数据的病例队列设计正是这样一种有偏抽样机制.这种抽样设计最大的优点在于:昂贵的关键协变量的采集和测量仅对一个随机抽取的子队列以及子队列之外所有经历了感兴趣事件的病例个体进行.本文研究如何应用Cox模型拟合病例队列研究数据.探讨了两种基于伪似然思想的统计推断方法及其渐近理论.通过模拟研究和实际数据分析研究了病例队列设计相较于传统简单随机抽样设计的高效性,展示了其理论意义和应用价值.

基于Cyclic-2伪最大似然算法的Turbo乘积码在高速移动通信系统中的译码方法

采用扩展汉明码作为Turbo乘积码 (TPC)的子码时,与传统的Chase算法相比,Cyclic-2PML(循环 2伪最大似然)算法复杂度低。本文研究了基于该算法的TPC在高速移动通信系统中的译码方法,仿真比较了采用不同子码组合的TPC结合不同的调制方式在高斯信道和多径衰落信道中的性能。结果表明,以(32, 26, 4)扩展汉明码为子码的TPC,不仅具有较高的码率,同时可以获得更好的误比特率性能。

纵向数据部分线性模型的基于高斯伪似然的高效估计

在纵向数据部分线性模型中,基于高斯伪似然构造相关阵的相合正定估计,进而得到回归参数的高效估计,给出了估计的算法及基于高斯伪似然的相关阵模型的选择准则.模拟表明,基于高斯伪似然方法得到的参数估计是高效的.

“一带一路”倡议对中国—东盟国家的双边贸易效应——基于结构引力模型分析

“一带一路”倡议提出后,中国—东盟双边贸易快速增加。目前,中国与东盟已形成稳定的、互为最大贸易伙伴的关系。从货物贸易、服务贸易、数字贸易三个角度深入分析“一带一路”倡议提出后,中国与东盟国家间贸易发展格局的变化及相关特征事实,具有重要意义。为测算“一带一路”倡议带来的双边贸易效应,基于结构引力模型,采用泊松极大伪似然法进行估计,结果显示该倡议促进双边贸易平均增加了10.5%。在对研究结论进行总结后,讨论对中国与东盟的未来发展预期与面临的风险,并提出政策建议。

带辅助协变量的相关失效时间数据的加权估计伪部分似然方法

本文在不同基准风险边际模型下考虑带辅助协变量的相关失效时间数据的统计推断.假设感兴趣的主协变量仅在全研究队列的一个子集中是精确测量的,而主协变量的辅助协变量则对研究队列的全部个体均可获得.首先利用辅助信息经验地估计相对风险函数,然后提出一种加权估计伪部分似然(weighted estimated pseudo-partial likelihood,WEPPL)方法求边际风险率参数的估计.本文在辅助协变量为分类变量的情形下建立WEPPL估计的渐近性质.相应估计被证明是相合的和渐近正态的.本文通过模拟研究评估提出的估计在有限样本下的表现.结果显示提出的加权估计在效率上要优于未加权的估计,特别是当失效时间之间相关性较强的时候.

基于第一价格拍卖的广义分段伪最大似然估计

越来越多的研究表明投标人是趋于风险规避的,而作为一种经典第一价格密封拍卖的结构估计方法,Donald和Paarsch的分段伪最大似然估计(PPMLE)只适用于风险中性的情形,为此本文把PPMLE方法推广到投标者为风险规避的情形。为便于估计风险规避参数和分布函数的特征参数,本文总结了一个简单的估计过程;为验证估计过程的可行性,本文考虑了四个不同的风险规避参数(包括风险中性情形),分别用蒙特卡罗模拟实验进行拟合效果分析。实验结果表明,无论是对风险中性还是风险规避的情形,本文所提出的估计过程对第一价格密封拍卖模型的结构参数均能做出很好的估计。

基于高频数据的GARCH模型的伪极大指数似然估计

波动率替代模型能将日内高频数据嵌入到日间的GARCH模型的框架下,因此我们可以通过构造合适的波动率替代来改进GARCH模型的参数估计.但是高频数据往往伴随着市场微观结构的噪音.它们可能会带来巨大的估计偏差.本文对波动率替代模型提出了伪极大指数似然估计(QMELE).QMELE的渐近性质被给出.与传统的高斯伪极大似然估计(QMLE)相比,QMELE的渐近正态性只需要残差的二阶矩有限.数值模拟的结果显示QMELE有较高的精度和稳健性.

缺失数据下双重广义线性模型的参数估计

在经济领域和工业产品质量改进试验中,对均值和散度同时建模十分必要;在数据采集过程中,时常会遇到数据缺失问题.文章基于上述两点,研究缺失数据下的双重广义线性模型的参数估计,采用最近距离插补和反距离加权插补对缺失数据进行处理,并应用最大扩展拟似然估计和最大伪似然估计两种估计方法对未知参数进行估计.随机模拟和实例结果表明,该模型和所应用的方法是有用和有效的.

网络链路时延分布估计方法研究

网络内部链路性能推测对网络操作与评估至关重要,现有估计方法通常针对固定拓扑网络,无法应用于动态路由情形下的未知拓扑网络。提出了一种基于伪似然估计(PLE)和遗传程序设计(GP)的网络延迟断层扫描方法估计网络内部链路延迟分布,并利用重要抽样(IS)技术进一步改进链路延迟分布估计。最后利用仿真实验验证了该方法的有效性和准确性。

模糊马尔可夫场模型与图像分割新算法

本文建立模糊马尔可夫场模型,并提出基于模糊马尔可夫场的图像分割新算法。该算法同时处理模糊性和随机性,因此能有效获取图像的先验知识。在模糊马尔可夫场与待分割图像之间用经典的马尔可夫场关联。模糊马尔可夫场是经典马尔可夫场的推广,当模糊马尔可夫场失去模糊性时,它将退化为经典的马尔可夫场。给定图像,随即进行模糊化处理;以最大后验概率作为优化准则修正模糊马尔可夫场的隶属度;最后按照最大隶属度原则消除模糊性,从而得到图像的分割。该算法可以有效地虑除噪和消除部分容积效应,得到更为准确的分割结果。

基于链路重构-解构的端到端网络链路时延推测研究

基于网络时延推测的2个假设、时延推测模型和路径时延数据采集方法,提出了一种基于链路重构—解构的端到端网络链路时延推测方法,应用伪似然估计将原整体问题分解为若干独立子问题分别求解,利用链路重构—解构确定可求解的推测单元,控制平均采样精度和减少推测单元链路数,从而显著降低计算复杂度。通过基于模型的计算和基于NS2的仿真实验研究,验证了推测方法的准确性和有效性。

基于单快拍空间平滑的多伯努利DOA跟踪算法

针对阵列信号处理中单快拍情况下的多源时变波达方向(direction of arrival,DOA)跟踪问题,提出了一种基于单快拍空间平滑的多伯努利DOA跟踪算法。首先,利用多伯努利随机有限集(random finite set,RFS)描述状态过程的随机性,并直接利用从传感器阵列中获得单快拍量测。其次,采用空间平滑技术对单快拍量测进行处理,得到伪协方差矩阵,并进行奇异值分解。最后,用多重信号分类(multiple signal classification,MUSIC)谱函数作为伪似然函数进行多伯努利DOA跟踪。仿真结果表明,该算法能实时有效跟踪单快拍量测下的时变信源DOA状态,且能准确估计信源个数。

非参数随机条件持续期模型及其迭代算法

随机条件持续期(SCD)模型能有效刻画超高频时间序列中持续期的变化,但该模型假定期望持续期生成机制固定,且模型参数估计存在一定的困难。文章在不假定条件均值形式和冲击项分布的基础上结合核估计方法提出了非参数SCD模型及其迭代求解方法。然后,基于TEACD(1,1)模型生成的模拟数据,将非参数SCD模型与用卡尔漫滤波进行伪似然估计的参数SCD模型和用Gibbs抽样进行马尔科夫蒙特卡罗估计的参数SCD模型的拟合效果进行比较,实证表明在大样本条件下非参数SCD模型的拟合效果与用MCMC估计的参数SCD模型的拟合结果相差不大,但明显优于用QML估计的参数SCD模型的拟合结果,且非参数SCD模型能为参数SCD模型的参数设定提供参考。

广义Gamma分布簇广义线性混合模型的参数估计

文章在广义线性混合模型的框架下分析广义Gamma分布簇广义线性混合模型的参数估计问题。提出的参数估计有以下三个显著特点:其一,充分利用广义线性混合模型参数估计的理论成果,参数估计表达式与6种广义线性混合模型参数估计结果形式相同;其二,该方法可以通过反复调用广义线性混合模型中的参数估计模块来实现;其三,具有渐进正态性。