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.

联合广义线性模型中的变量选择(英文)

在联合广义线性模型中,均值和散度参数都被赋予了广义线性模型的结构,本文主要考虑该模型的变量选择问题,文章利用扩展拟似然函数,提出了一个适用于联合广义线性模型的新的变量选择准则(EAIC),该准则是Akaike信息准则的推广,论文通过模拟研究和一个实例分析验证了该准则的效果。

混合广义线性模型的统计推断

为了更好地拟合实际数据,本文提出了混合广义线性模型并进行参数估计.首先,基于异质总体的一阶矩以及二阶矩存在的条件下,运用混合广义线性模型对子总体的均值进行建模,构造扩展拟似然和伪似然函数,然后利用 EM算法对均值参数、散度以及混合比例进行估计,并通过 Monte Carlo模拟验证所提出的模型参数估计方法的有效性.最后,实例研究的结果表明本文的模型和方法是科学实用的.

混合双重广义线性模型的参数估计

在实际应用中,不同类别的数据统计特性存在差异,所以对异质总体的研究非常有必要.基于总体一,二阶矩存在,利用双重广义线性模型对异质总体的不同子类数据的均值和散度同时建模,研究提出了混合双重广义线性模型.然后,利用EM算法构造了模型参数的最大扩展拟似然估计和最大伪似然估计.最后,通过随机模拟和实例研究,结果表明模型和方法的有效性和有用性.

基于Pena距离的双重广义线性模型的统计诊断

本文主要研究双重广义线性模型,考虑基于数据删除模型的参数估计和统计诊断,比较删除模型与未删除模型相应的诊断统计量之间的变化.首次提出基于双重广义线性模型下的Pena距离.通过一些模拟研究以及实例分析,比较不同诊断统计量判别异常点或强影响点的差异,研究结果表明本文提出的理论和方法是行之有效的.

混合Tweedie广义线性联合均值与散度模型的参数估计

Tweedie类分布在保险类索赔额方面应用很多;混合回归模型广泛运用于异质总体数据的分类,聚类及回归分析中。研究基于Tweedie类分布下,针对混合异方差数据提出了混合Tweedie类分布下联合均值与散度模型,利用EM算法研究了模型参数的扩展拟似然、伪似然估计。通过随机模拟,实例研究结果表明,提出的模型和方法是有用和有效的。