基于共享随机效应模型的纵向认知标志物对轻度认知障碍逆转的预测性能比较

目的将共享随机效应模型(shared random-effect model,SREM)应用于轻度认知障碍(mild cognitive impairment,MCI)向认知正常(normal cognition,NC)逆转的研究,比较不同纵向认知标志物对MCI逆转的预测性能,并评价影响因素的协变量效应。方法SREM模型包括两个子模型,其中纵向子模型采用线性混合效应模型对纵向认知标志物的变化轨迹建模,生存子模型采用比例风险模型对生存过程建模。基于对数似然函数值和信息准则进行模型拟合优度检验,采用ROC曲线下面积(area under the curve,AUC)评价不同纵向认知标志物(MMSE、CDRSB、FAQ、ADAS11、ADAS13和ADASQ4)对MCI逆转的预测性能;同时进行纵向子模型和生存子模型的影响因素分析。结果843名MCI患者中72名(8.54%)在随访结束后逆转为NC。以spline-PH-GH参数分布为基准风险函数的SREM模型对数似然函数值最大,AIC和BIC最小;以CDRSB为纵向认知标志物建立的SREM模型拟合最好,在不同时间的AUC值均表现良好,范围为0.797~0.852,且预测误差最小,范围为0.0427~0.0429;年龄、性别、受教育程度、婚姻状况和APOEε4基因均会影响MCI患者的认知功能和日常活动功能,六种纵向认知标志物均会影响MCI患者的逆转。结论CDR评分对MCI患者的认知功能和逆转预测性能最佳;认知功能和日常活动功能可作为MCI逆转的动态监测指标。

考虑随机效应的Clough-Penzien功率谱参数预测模型及地震动合成

国内外学者对典型的地震动参数(a PG,v PG,SAs,I A,Ds等)预测方程的研究不断深入,但对于表征地震动频谱特性的功率谱模型参数预测方程的研究却很少。鉴于地震动的频谱特性与震源特性、传播路径和场地条件紧密相关,该研究基于地震动传播的物理机制建立了Clough-Penizien功率谱(C-P谱)模型参数的预测模型。为了更好地描述不同地震事件不同记录之间的相关性,对模型考虑随机效应,建立了谱参数的预测随机效应模型。采用改进的随机效应一次迭代回归算法,对各类场地C-P谱模型参数的预测随机效应模型进行回归分析,确定了模型系数。结合相位谱的物理传播模型与所提出的C-P谱参数预测模型,构建了“震源-传播路径-局部场地”物理传播机制的随机函数模型。算例分析结果表明,该研究提出的谱参数预测方程模型与实际功率谱拟合较好,模拟得到的地震动记录与原始地震记录的时频特性十分接近,可以较好实现地震动记录的模拟和预测,对地震危险性、易损性和风险分析及抗震设计与评定具有重要的指导意义。

基于SCAD_L_(2)和SCAD混合惩罚的高维随机效应线性回归模型

大数据时代的到来,使得变量选择问题成为了当前统计界和各重要领域实际工作者研究的重点课题在许多实际问题中,由于数据间存在相关性或异方差,对高维模型进行变量选择时会产生较大的系统性偏差。该文考虑高维随机效应线性回归模型,改进了现有的基于双惩罚思想的变量选择方法,提出了基于SCAD_L_(2)和SCAD的混合惩罚方法,在一定程度上弥补了已有方法不同时具备分组效应和渐近性质的不足:给出了基于混合惩罚的随机效应线性回归模型的两步迭代算法.分别在信噪比和随机效应影响不同的情况下对模型进行蒙特卡洛模拟和实例验证.结果表明:与其他惩罚方法相比,该混合惩罚方法具有分组效应和渐近性质,表现出更优良的变量选择能力和系数估计效果,适用于高维随机效应线性回归模型.

考虑随机效应的多源信息融合剩余寿命预测

为了合理利用同类设备的先验信息,提高参数估计和剩余使用寿命(RUL)预测精度,提出一种基于多源信息融合并考虑随机效应的RUL预测方法。利用考虑随机效应的线性Wiener过程对设备的退化过程进行建模;利用期望最大化(EM)算法,融合先验退化信息和先验失效寿命数据信息,计算模型中的未知参数;根据Wiener过程参数估计的性质,提出一种基于多源信息融合并考虑随机效应的非线性Wiener过程参数估计方法;利用激光器数据和疲劳裂纹数据进行实验验证。实验结果表明:与基于历史退化数据或失效寿命数据的方法相比,所提方法能有效提高参数估计和RUL预测的精度。

区域市场一体化水平测度及其影响因素研究——基于价格法与随机效应面板模型

文章运用价格法对国内商品、劳动力、资本三大市场的一体化水平进行测度,结果表明商品市场一体化水平呈波动上升形态,劳动力市场一体化水平在一定范围内上下波动,资本市场一体化水平呈“V”形态波动,西部地区市场一体化水平与中、东部地区之间存在一定差距,这种差距在逐年缩小。市场一体化水平的随机效应面板模型回归结果显示,人口密度、对外开放度、交通水平、教育水平和金融发展水平均对市场一体化存在不同程度的正向效应。建议各地区充分发挥自身优势,大力推进交通基础建设、提升教育水平和对外金融开放水平等。

基于随机效应logistic模型的中小企业财务失败预警研究

logistic模型是研究企业财务失败和信用违约的主流方法,但它不能很好地控制模型之外的因素对违约事件的影响。针对这一问题,本文引入截面数据的随机效应logistic模型,并对2005-2010年我国沪深两市中小上市企业的财务失败风险进行实证检验。结果表明,随机效应logistic模型相比logistic模型具有更高的样本内判别效果和样本外预测效果,而且在财务指标基础上加入公司治理指标能进一步提升模型的预警能力。研究结论对中小企业信用风险评估等具有一定的参考价值。

基于随机效应模型的交叉口事故碰撞类型建模

考虑交叉口不同进口道之间的差异性,在进口道层面对不同碰撞类型事故分别建立随机效应模型,通过在负二项模型中引入随机效应项来考虑交叉口不同进口道之间的空间相关性.模型参数采用全贝叶斯方法进行估计.结果表明:不同碰撞类型事故的影响因素不同,且同一影响因素对不同碰撞类型事故的影响程度也存在显著差异,验证了区分碰撞类型进行事故建模的必要性.随机效应项在各模型中均显著,表明交叉口不同进口道之间事故频率存在显著的空间相关性.

非独立数据时稳健Poisson和Log-binomial随机效应模型研究

目的比较基于稳健Poisson回归及Log-binomial的随机效应模型对具有层次结构的非罕见结局事件资料的参数估计结果。方法通过计算机模拟生成具有类内相关的数据集,设置了32种参数情况,分别反映实际资料中的少数类别数和中等类别数,小强度的类内聚集和中等强度的类内聚集,基线患病率分别为0.15和0.3,关联强度PR值分别是1.5和2.0,暴露率分别为20%和50%的情况;比较各模型在模拟条件下的收敛率、参数估计结果以及参数的95%CI覆盖率。结果 Log-binomial随机效应模型的收敛效果劣于稳健Poisson随机效应模型;两随机效应模型对各参数的估计结果均和真值较为接近;在类内聚集性较小时,两随机效应模型95%CI覆盖率均较好,但随类内聚集性增大,Log-binomial的随机效应模型95%CI覆盖率变动较大,且类别数增加时覆盖率普遍较低。结论基于稳健Poisson的随机效应模型收敛率高,参数估计结果与真实值接近,对各固定效应参数估计的95%CI的覆盖率高且稳定,优于Log-binomial随机效应模型。

非线性和随机效应的加速退化过程建模方法

针对加速退化试验场合下具有非线性、随机效应的退化数据,文章采用线性Wiener过程,研究了一种加速退化过程建模方法。采用时间尺度模型,对非线性退化数据进行线性变换;将Wiener过程的漂移系数随机化处理,研究了考虑随机效应的退化过程建模;根据所收集的步进加速退化数据,采用两步极大似然估计法确定未知参数。实例分析结果验证了该文所提方法的合理性。

贝叶斯题组随机效应模型的必要性及影响因素

题组模型可以解决传统IRT模型由于题目间局部独立性假设违背时所导致的参数估计偏差。为探讨题组随机效应模型的适用范围,采用MonteCarlo模拟研究,分别使用2-PL贝叶斯题组随机效应模型(BTRM)和2-PL贝叶斯模型(BM)对数据进行拟合,考虑了题组效应、题组长度、题目数量和局部独立题目比例的影响。结果显示:(1)BTRM不受题组效应和题组长度影响,BM对参数估计的误差随题组效应和题组长度增加而增加。(2)BTRM具有一定的普遍性,且当题组效应大,题组长,题目数量大时使用该模型能减少估计误差,但是当题目数量较小时,两个模型得到的能力估计误差都较大。(3)当局部独立题目的比例较大时,两种模型得到的参数估计差异不大。

随机效应零膨胀索赔次数回归模型

索赔频率预测是非寿险费率厘定的重要组成部分。最常使用的索赔频率预测模型是泊松回归和负二项回归,以及与它们相对应的零膨胀回归模型。但是,当索赔次数观察值既具有零膨胀特征,又存在组内相依结构时,上述模型都不能很好地拟合实际数据。为此,本文在泊松分布、负二项分布、广义泊松分布、P型负二项分布等条件下分别建立了随机效应零膨胀损失次数回归模型。为了改进模型的预测效果,对于连续型的解释变量,还引入了二次平滑项,并建立了结构性零比例与解释变量之间的回归关系。基于一组实际索赔次数数据的实证分析结果表明,该模型可以显著改进现有模型的拟合效果。

非线性纵向数据模型中自相关性和随机效应的存在性检验

刻画纵向数据协方差结构有三种可能因素 ,即序列相关 (特别是一阶自相关 )、随机效应和常规的随机误差 (Diggleetal,2 0 0 2 ) .本文研究非线性纵向数据模型的自相关性和随机效应存在性的单个和联合检验 ,得到了检验的score统计量 ,并利用血浆药物渗透数据 (Davidian&Gilinan ,1 995)说明检验方法的应用 .

基于随机效应零调整回归模型的保险损失预测

在非寿险精算中,对保单的累积损失进行预测是费率厘定的基础。在对累积损失进行预测时通常使用Tweedie回归模型。当损失观察数据中包含大量零索赔的保单时,Tweedie回归模型对零点的拟合容易出现偏差;若用零调整分布代替Tweedie分布,并在模型中引入连续型解释变量的平方函数,可以建立零调整回归模型;如果在零调整回归模型中将水平数较多的分类解释变量作为随机效应处理,可以进一步改善预测结果的合理性。基于一组机动车辆第三者责任保险的损失数据,将不同分布假设下的固定效应模型与随机效应模型进行对比,实证检验了随机效应零调整回归模型在保险损失预测中的优越性。

含有随机效应的增长曲线模型协差阵的最小二乘估计

利用矩阵的谱分解和投影理论,给出了增长曲线模型均值结构中存在随机效应时,随机效应和随机误差两种不同性质的随机变量的协差阵Γ,Σ及其线性函数tr(CΣ+DΓ)的最小二乘估计,并讨论了估计tr(CΣ*+DΓ*)的一些优良性。

宏观经济不确定性与公司投资行为——基于时期随机效应的实证研究

运用面板数据的随机效应模型实证分析了我国非金融上市公司2001—2009年直接投资和间接投资行为与宏观经济不确定性之间的关系。研究结果显示:①以GARCH模型计算的宏观经济不确定性对公司直接投资行为和间接投资行为的影响存在差异,即宏观经济不确定性显著抑制公司交易成本较高的直接投资行为,但是与间接投资没有显著的相关性;②相对于间接投资,直接投资是公司的主要投资方式,间接投资则是公司风险管理的工具;③公司的直接投资和间接投资行为均表现出较为显著的惯性特征。

非线性混合效应模型和广义线性模型拟合随机效应logistic回归的应用比较

在临床药物试验中药物疗效的评价经常遇到二分类资料,即反应变量有两个水平如有效、无效;成功、失败等。二分类变量服从二项分布,可采用logistic回归模型。运用logistic回归模型对分类资料进行分析,能给实际研究带来很多便利。与多元线性回归相比,logistic回归具有许多独特的优点,如对正态性和方差齐性不做要求,系数的可解释性等。

随机效应模型中方差分量的经验Bayes检验问题

给出了双向分类随机效应模型中方差分量的Bayes检验的判决函数,利用核估计的方法,构造了相应的经验Bayes(EB)检验的判决函数.在适当的条件下证明了EB判决函数是渐近最优的且有收敛速度.给出了模型的特例和推广.最后,举出一个满足定理条件的例子.

平衡单向分类随机效应模型中的多个异常值检验

该文研究平衡单向分类随机效应模型中多个异常值的检验问题,在基于随机效应上的均值滑动模型下导出了似然比检验统计量,并给出了其精确分布及水平异常值的检验过程。在基于观测误差上的均值滑动模型下,利用得分检验统计量给出了多个异常值的检验过程。

随机效应变系数空间自回归面板模型的估计

具有良好可读性和稳健性的变系数模型在各学科领域应用广泛。本文构建了一种新的随机效应变系数空间自回归面板模型,运用截面极大似然估计方法,导出了模型的估计量,证明其具备一致性和渐近正态性,蒙特卡洛模拟研究显示估计量的小样本表现效果良好。

基于Bayesian随机效应模型的我国人口平均预期寿命分析

近年来,我国人口预期寿命显著提高。但由于受到社会经济发达程度、生活及医疗水平等方面的影响,我国人口预期寿命在省域之间、性别之间、城乡之间存在明显差异。本文利用第六次全国人口普查数据,采用Bayesian随机效应模型分析我国人口死亡率,分省域分性别分城乡测算人口平均预期寿命,并对死亡率的各项差异指标进行测算。模型考虑了人口死亡率的空间相关性和年龄的相互影响,能更好地揭示人口预期寿命的变化规律。