变系数再生散度线性模型和它的估计(英文)

本文研究了一类变系数再生散度线性模型. 利用局部最大似然的方法,得到了兴趣参数的估计,同时也研究了局部权和光滑参数的确定以及统计推断, 结果推广了文献[11]的工作.

非线性再生散度模型的广义变离差检验

研究了非线性再生散度模型的广义变离差检验,对于一类常见的正则散度分布族,解决了离差参数的齐性检验问题,得到了检验的似然比统计量和score统计量,并证明了score统计量的渐近χ2性.本文研究的非线性再生散度模型包括了许多常见的统计模型,诸如正态线性和非线性回归模型、广义线性模型和广义非线性模型等;同时,本文结果也适用于某些更复杂的分布,诸如基于极值分布、单纯形分布的非线性模型等.因此本文的结果进一步推广和发展了文献中已有的工作.

线性再生散度模型的极大L_(q)-似然估计的渐近性质

线性再生散度模型是线性回归模型、广义线性模型和指数线性模型的自然推广,极大L_(q)-似然估计是基于非广义熵的新参数估计方法,是极大似然估计的推广。用极大L_(q)-似然估计研究线性再生散度模型,在一定的条件下,给出了线性再生散度模型的极大L_(q)-似然估计的弱相合性和渐近正态性。最后通过模拟算例表明:随着n的增大参数估计值越接近真值;当q→1时,ML_(q)E的参数估计值接近于MLE的参数估计值。

半变系数再生散度混合效应模型的影响分析

本文把随机效应看作缺失数据并利用P-样条拟合非参数部分,应用Monte Carlo EM 加速算法得到半变系数再生散度混合效应模型的未知参数的估计,同时利用Q函数,得到了模型的广义Cook距离。此外,本文还研究了三种不同扰动情形的局部影响分析,得到了相应的影响矩阵。最后,通过一个实际例子验证了所提出的诊断统计量的有效性。

非线性再生散度模型的几何结构及其渐近推断

本文基于唐年胜等（1999）对非线性再生散度模型在欧氏空间建立的微分几何结构导出了与估计有关的随机展开以及与统计曲率有关的若干渐近推断，推广了韦博成等人关于非线性回归模型和指数族非线性模型的相应结果。

非线性再生散度模型参数置信域的曲率表示

本文对非线性再生散度模型在Ｅｕｃｌｉｄ空间建立了几何结构．在此基础上，研究了该模型参数和子集参数的三种近似置信域。

非线性再生散度随机效应模型的极大似然估计及随机逼近算法

非线性再生散度随机效应模型包括了非线性随机效应模型和指数族非线性随机效应模型等．通过视模型中的随机效应为假想的缺失数据和应用Metropolis-Hastings(简称MH) 算法,提出了模型参数极大似然估计的随机逼近算法．模拟研究和实例分析表明了该算法的可行性．

非线性再生散度模型的渐近性质

对非线性再生散度模型，给出了类似于Ｆａｈｒｍｅｉｒ＆Ｋａｕｆｍａｎｎ（１９８５）和Ｗｅｉ（１９９８）的正则条件．基于这些正则条件，证明了最大似然估计的存在性、强相合性和渐近正态性，推广了已有文献的工作．

变系数部分线性模型的拟合优度检验

本文考虑变系数部分线性模型的拟合优度检验问题.基于Profile经验似然方法,构造了参数部分和非参数部分的经验似然比检验统计量.并证明了其满足Wilks'现象,进而得到了一定置信水平的拒绝域.最后通过数据模拟,讨论了其检验功效.

非线性再生散度模型的Bayes估计

非线性再生散度模型是指数族非线性模型、广义线性模型和正态非线性回归模型的推广和发展,唐年胜等人研究了该模型参数的极大似然估计及其统计诊断。本文基于Gibbs抽样和MH抽样算法讨论非线性再生散度模型参数的Bayes估计。模拟研究和实例分析被用来说明该方法的有效性。

非线性再生散度模型基于统计曲率的诊断统计量

对非线性散度模型在 Euclid空间建立几何结构 .在此基础上 ,研究了均值漂移模型的曲率度量 .从而导出相应 Cook距离 ,似然距离等诊断统计量的二阶近似公式 .

半参数非线性再生散度模型的渐近推断

对半参数非线性再生散度模型,先引入最佳偏差曲线,再求非参数部分的局部线性估计,然后得到参数的广义边侧极大似然估计.同时,基于正则条件,证明了所得估计的存在性,强相合性和渐近正态性,推广了已有文献的工作.

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.

非线性再生散度随机效应模型参数置信域的曲率表示

该文基于Laplace逼近建立了非线性再生散度随机效应模型在Euclid空间中的几何结构,并在此基础上研究了此模型参数和子集参数的置信域,进一步推广和发展了Hamilton,Watts和Bates关于正态非线性回归模型,Wei关于嵌入模型和指数族非线性模型,Zhu,Tang和Wei关于半参数非线性模型,唐年胜、韦博成和王学仁关于非线性再生散度模型,Tang和Wang关于拟似然非线性模型等的结果．

非线性再生散度随机效应模型的渐近性质

对非线性再生散度随机效应模型,该文给出了类似于Barndroff-Nielson,Cox(1989)和Severin,Wong(1992)的正则条件,基于这些正则条件和Laplace近似,证明了该模型参数极大似然估计的存在性、强相合性和渐近正态性．

非线性再生散度随机效应模型似然函数的Laplace逼近

首先提出用Lap lace逼近方法对非线性再生散度随机效应模型的边缘对数似然函数进行近似,然后基于近似的边缘对数似然函数利用F isher'sscoring迭代算法得到了模型参数的极大似然估计.模拟研究和实例分析表明了该算法的可行性.

广义非线性散度模型变离差的统计分析

以广义非线性散度模型为基础,通过假定离差是某个协变量的函数或随机函数给出了变离差的Score假设检验,当模型存在变离差和随机变离差时,给出了相应的变离差估计.

半参数非线性再生散度混合效应模型的参数估计和影响分析

本文把随机效应看作缺失数据并利用P-样条拟合非参数部分,应用MCNR算法得到了半参数非线性再生散度混合效应模型的未知参数的估计,同时利用Q函数得到了模型的广义Cook距离。此外,本文还研究了三种不同扰动情形的局部影响分析,得到了相应的影响矩阵。最后,通过模拟和实例验证了本文所提出的估计方法的有效性。

带不可忽略缺失数据的再生散度随机效应模型的Bayes估计

在响应变量带有不可忽略缺失数据的前提下得到非线性再生散度随机效应模型的Bayes方法.缺失数据机制由Logistic回归模型定义,根据Gibbs抽样技术和MH算法得到模型参数、随机效应因子以及缺失数据机制中回归系数的联合Bayes估计,并进行了实例分析.