非线性联立方程模型的充分信息最大加权似然估计及其性质

提出非线性联立方程模型的充分信息最大加权似然估计并得到其一致性和渐近正态性的大样本性质 .

参数回归模型的最大加权似然估计及其性质

对参数回归模型的估计因不同观测点的重要程度不同 ,常常要采用加权估计方法 .提出参数回归模型的最大加权似然估计方法并利用概率论中的大数定律和中心极限定理证明了估计的一致性和渐近正态性 .

四参数Logistic模型潜在特质参数的Warm加权极大似然估计

本文以四参数Logistic(4-parameter Logistic,4PL)模型为研究对象,根据Warm的加权极大似然估计技巧,提出了4PL模型潜在特质参数的加权极大似然估计方法,并借助模拟研究对加权极大似然估计的性质进行验证。研究结果表明,与通常的极大似然估计和后验期望估计相比,加权极大似然估计的偏差(bias)明显减小,并且具有良好的返真性能。此外,在测试的长度较短和项目的区分度较小的情况下,加权极大似然估计依然保持了良好的统计性质,表现出更加显著的优势。

多站测向交叉定位的加权最大似然估计算法及其精度分析

为解决测向交叉定位中测向误差的标准方差受目标区域非均匀环境的影响,提出加权最大似然估计(WMLE)算法。该算法将目标距离引入到MLE算法当中,通过构造加权向量来弥补测向误差的标准方差随目标距离增加而增大的影响。理论分析表明,改进后的WMLE算法可进一步提高多站测向交叉定位系统的定位精度。

适用于二级与多级评分项目组成的混合测试的加权最大似然潜在特质估计(英文)

提出适用于二级与多级评分项目组成的混合测试的加权最大似然潜在特质估计.使用N-R算法获得WML估计,并给出相关方程的详细推导.为探讨WML的性能,进行了模拟研究,所得到的结果表明,WML的估计比最大似然估计(MLE)具有更好的性能.最后,基于一个实际例子对该方法进行了实证研究.

基于方差稳定化和PPB加权最大似然估计的中子图像复原方法研究

由于微观量子特性和随机性以及中子束注量率在时间和空间分布上都存在着一定的统计涨落,致使中子图像存在比较强的噪声.由于这种噪声的统计分布符合泊松-高斯混合模型,因此,提出了一种新的中子图像去噪方法.该方法结合了PPB加权最大似然估计算法与非线性方差稳定化变换,实现了中子图像的去噪复原,能够有效地抑制传统算法中的伪影现象并保证结果不失真.实验结果表明,该方法能够提供稳健的复原结果.

Weibull形状参数加权极大似然估计的偏差修正

针对在小样本下加权最大似然方法(WMLE)估计形状参数存在偏差的问题,本文研究了在小样本情形下(样本量为3~15)加权极大似然估计形状参数(β>1)的偏差修正方法,提出了关于样本量的两个偏差修正函数,易于使用。通过蒙特卡洛(Monte Carlo)仿真,在不同的威布尔模型、不同小样本量下,验证了本文偏差修正方法估计的形状参数的准确性和有效性。最后通过实例分析,表明本文偏差修正方法具有可行性。

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.

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.

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.

协变量缺失下基于诱导光滑方法的加权分位数回归

在部分协变量随机缺失机制下的分位数回归模型中,提出回归参数的诱导光滑加权估计及其渐近协方差估计,证明了诱导光滑加权估计和经验似然加权估计有相同的渐近协方差,且诱导光滑加权估计的渐近协方差估计也是相合的,并给出了诱导光滑加权估计及其渐近协方差估计的高效算法.模拟结果表明,新方法在有限样本下表现优良.

广义半参数趋势混合效应面板模型及其参数估计

结合广义半参数混合效应面板模型与广义半参数时间序列模型,文章构建广义半参数趋势混合效应面板模型,考虑到解释变量的非平稳性会影响到模型的参数估计,所以将解释变量的非线性时间趋势估计出来,解释变量用非线性时间趋势代替,最后采用加权极大似然估计方法估计模型参数,通过假定被解释变量为指数分布的情况下,验证了估计方法的有效性。

短时风速概率分布的混合威布尔逼近方法

风速概率分布特性是决定风电场功率输出的重要因素。常用的两参数威布尔函数在拟合较长周期风速时效果很好,然而在研究短周期或特殊时段风速概率分布后发现,其分布规律常为双峰或多峰分布,很难用传统方法准确逼近。对此,提出一种混合威布尔函数逼近特殊时段风速分布的方法,构造极大似然函数逼近风速实际分布并采用数论布点方法获得待求参数。结果显示,七参数混合威布尔函数显著提高了双峰型风速概率密度分布逼近的精度,而极大似然估计的加权处理,提高了关注风速段的拟合优度,达到了降低逼近误差的目的。

商业银行Logistic违约概率模型的样本配比问题研究

巴塞尔新资本协议要求商业银行建立内部评级体系,其主要内容之一是使用内部数据建立违约概率模型。在Logistic违约概率模型中,违约样本与非违约样本的配比是商业银行建立内部评级体系应重点关注和解决的技术难题之一。由于违约样本相对稀缺,商业银行在构建计量模型时,通常会采用一定的技术手段提高违约样本的比例,以改进模型对违约客户的预测能力。本文利用实际数据②,对比了样本配比的抽样法和加权极大似然估计法的不同表现。研究结果表明,加权估计法更适合中国商业银行的实际。

多元失效时间删失数据边际风险模型加权估计的渐近正态性

对于多元失效时间数据,可以根据工作独立的假定来估计边际风险模型中的未知参数,但工作独立方法通常会失去估计的效率.为了充分利用不同失效类型之间的潜在相关性,提高估计的效率,可以通过加权的方法给出参数的加权部分似然估计.然而由于多元失效数据是高维数的数据,选择最优权是困难的.因此,Fan,Zhou,Cai和Chen曾基于参数估计向量中每个元的方差提出了一些次优加权方法,然后从参数向量所有分量估计的角度出发,构造了未知参数的复合加权部分似然估计,但他们没有给出这些复合加权估计的渐近性质.本文将对复合加权部分似然估计进一步的研究,推导了这个估计的渐近正态性,并给出了该估计的协方差阵以及协方差估计.同时,将该方法应用于艾滋病临床试验的实际数据,给出了有意义的解释和说明.最后进行了相关估计的一些数值模拟计算.

缺失数据下基于Lee-Carter模型对我国人口死亡率的分析

文章基于1995年-2020年我国人口原始死亡率数据,尝试直接使用一种加权极大似然估计的方法,并将其与通过Coale-Kisker方法拓展得到的高龄人口死亡率数据运用LC模型进行数据比较分析。实验结果表明,该方法对于解决我国人口死亡率数据缺失方面的问题具有更好的实用性及适用性,得到的参数估计结果更加可靠。在此基础上,预测未来人口死亡率。

变系数广义线性模型及其估计

本文以经典广义线性模型为基础,通过假定其中的回归变量的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广义线性模型,增加了模型的灵活性和适应性,同时也适用于空间数据的统计分析。基于局部加权最大似然估计方法,文章讨论了变系数广义线性模型的拟合与统计推断,以及与之相关的局部权系统和其中光滑参数的确定。

基于改进传感器模式噪声提取模型的源相机识别

针对当前基于传感器模式噪声(sensor pattern noise,SPN)提取模型处理压缩视频来源检测的识别效果较差问题,提出一种基于多尺度变换域自适应维纳滤波和一种加权最大似然估计的改进SPN提取模型。首先干预视频的编解码过程,在编解码器的环路滤波模块前提取视频帧,然后将视频帧输入双密度双树复小波变换自适应维纳滤波模型中提取噪声残差,最后使用加权最大似然估计从噪声残差中估计得到SPN。在公共视频源取证数据库VISION上进行测试比较,实验结果表明所提出的改进SPN提取模型在ROC曲线和Kappa统计系数两种评价指标上的识别效果优于传统SPN提取算法。