利用Bayes分层广义线性模型剖析大豆籽粒性状的遗传基础

以溧水中子黄豆（P1）和南农493-1（P2）组合的504个正反交F2：3~F2：7家系群体为材料, 调查大豆粒长、粒宽、粒厚、长宽比、长厚比、宽厚比和百粒重性状在2007—2011年的表型观测值, 扫描F2群体SSR分子标记信息, 用Bayes分层广义线性模型方法检测了上述性状的主效QTL、QTL′环境（QE）互作、QTL′细胞质（QC）互作和QTL′QTL（QQ）互作。共检测到89个主效QTL、33对QE、20对QC和35对QQ互作。上述7个性状的主效QTL分别有7、10、10、19、19、17和7个; QQ互作分别有1、10、6、0、6、9和3对, 没有检测到显性′显性互作; QE互作分别有5、7、6、3、6、2和4对; QC互作分别有2、1、3、8、4、2和0对。主效、QQ互作、QC互作和QE互作QTL的总贡献率分别为12.42%~61.79%、0~23.21%、0.35%~1.51%和0~14.16%, 表明主效QTL贡献最大, QQ互作次之, QE互作最小。各类QTL都有一因多效现象, 同一基因座可通过不同方式影响性状表达。这些结果揭示了大豆粒形性状的遗传基础, 为标记辅助育种提供了参考信息。

广义非线性模型的Bayes估计

针对广义非线性模型的参数估计问题,提出了从参数的条件后验分布中抽取观测值来估计参数值的Bayes估计法.利用贝叶斯统计分析中蒙特卡洛抽样方法中的M-H算法和Gibbs抽样算法相结合的混合算法进行分析,通过参数的条件后验分布抽取出每次迭代时的参数值,并利用参数的样本路径图和均值遍历图验证迭代时马尔科夫链的收敛性;计算马尔科夫链达到收敛后参数的后验均值得到参数的Bayes估计;通过对产品销售数据的实证分析,比较Bayes估计和极大似然估计的偏差,验证M-H算法和Gibbs抽样算法在对广义非线性模型的参数进行Bayes估计时的简洁性、有效性以及可行性.

家庭化流动背景下非户籍人口的社区参与研究——基于广义分层线性模型的分析

基于2012年全国流动人口动态监测调查上海市数据,运用广义分层线性模型实证分析了乡-城、城-城两类非户籍人口社区参与差异及其影响因素。研究发现,乡-城非户籍人口的社区参与主要是以满足个体身份认同和日常"工具性"需求为目标,离"治理"意义上的社区参与尚有差距。与乡-城非户籍人口不同,城-城非户籍人口社区参与则兼有"工具性"和"权益性"双重特征。在诸多影响因素中,家庭化流动显著地增加了福利型社区参与,但对权益型社区参与没有实质性影响,而社区内非户籍人口比例的增加对社区参与有明显的抑制效应。政策启示:城市社区应致力于消除非户籍人口身份差异,提高其社区认同,在保障其福利型参与的基础上,提高以社区共治为目标的权益型社区参与,为非户籍人口市民化创造有利条件。

基于分层广义线性模型的非寿险费率厘定精算模型研究

非寿险业务中的损失数据结构日益复杂,呈现异质性与相关性并存的异象。分层广义线性模型能够突破传统费率厘定精算方法仅分析风险个体同一保单年损失数据的局限,可以提高复杂结构损失数据预测的准确性。基于分层广义线性模型等方法,研究具有多年损失数据的非寿险费率厘定问题,并以车险和工伤补偿保险的两组损失数据为例进行实证分析。研究结果表明,相对于GLM而言,考虑随机效应后GLMM的拟合优度大幅改善,GLMM与HGLM可以更有效地反映不同风险个体的差异,并有利于揭示风险个体在多个保险期内损失的异质性与相关性。

分层广义线性模型在准备金评估中的建模研究

考虑到赔付流量三角形数据同一事故年反复观测的纵向特征以及数据结构的层次性,建立了分层广义线性模型.与通常的随机模型相比,分层广义线性模型不但可以选择条件反应变量的分布而且风险参数分布范围也更加广泛.利用h-似然函数估计分层广义线性模型的模型参数,降低了计算量.为使模型具有可比性,评估模型的预测精度,推导了模型预测误差的估计式.为充分利用已知赔付信息,将赔付额和赔付次数两种赔付信息纳入未决赔款准备金评估模型,建立了两阶段分层广义线性模型.在线性预测量中考虑了各种固定效应和随机效应以及模型结构的散布参数,改进了线性预估量结构.研究表明:分层广义线性模型对于数据的各种分布及形式都具有很好的适应性,更加符合保险实务现实的赔付规律.

生长曲线模型中参数的Bayes线性无偏估计

本文在平方损失下导出了生长曲线模型中参数的Bayes线性无偏估计(LUE),并在均方误差矩阵(MSEM)准则下研究了Bayes LUE相对于广义最小二乘估计(GLSE)的优良性.对于非满秩情形,获得了可估函数的Bayes LUE并讨论了其优良性问题.

基于广义分层线性模型的老年人养老居住意愿研究

以中国老年健康影响因素跟踪调查(CLHLS)2018年的数据为基础,使用广义分层线性模型(GHLM)对我国老年人养老居住意愿的影响因素研究。结果表明,基本公共服务中的社会保障与就业服务、基本医疗卫生服务会影响老年人养老居住意愿;性别、年龄、教育年限、子女数量、子女给予经济支持、自理能力、经济状况等因素对老年人养老居住意愿产生显著影响,其中男性、居住在城镇的老年人更倾向选择机构养老居住,有配偶同住、与子女常聊天、子女给予经济支持、有自理能力的老年人会降低选择机构养老的可能性。

家庭因素、地区特征是如何影响自有住房消费的——基于广义分层线性模型的分析

本文选取了2012年中国家庭追踪调查(CFPS)的微观数据和《中国统计年鉴》的宏观数据,通过分层线性模型来分析经过巧妙对接生成的两层结构的数据,并针对因变量取值是0和1的二元变量,利用逻吉斯回归对这一变量的实践,适当调整为广义分层线性模型。分析家庭因素,地区特征对自有住房消费差异的影响。研究发现,家庭自有住房消费的整体差异中,超过18%是由于地区差异造成的,并且显著,进而提出建议。

广义线性模型(七)

本讲座是广义线性模型这个题目的一个比较系统的介绍。主要分3部分:建模、统计分析与模型选择和诊断。写作时依据的主要参考资料是L.Fahrmeir等人的《MultivariateStatisticalModelingBasedonGeneralizedLinearModels》。

一类多变量非线性系统的特征模型及其在卫星姿态控制中的应用

本文对一类多输入-多输出高阶非线性系统从理论上详细推导出了其特征模型,并设计了基于特征模型的稳定的自适应模糊广义预测控制方案。由于控制结构中使用了分层模糊系统,因而极大地减少了模糊规则数目,提高了控制的实时性。此外,文中还将所设计的控制方案用于挠性卫星的姿态控制。仿真结果表明,该控制方法具有较强的鲁棒性,可实现高精度的卫星姿态控制。

农户宅基地退出方式差异及其影响因素研究——基于分层模型的分析

农户宅基地退出方式选择受到多尺度因素的综合影响。基于河南部分地区的农户及其村级变量的调研数据,采用交叉列联表和广义分层线性模型,对农户宅基地退出方式选择的影响因素进行实证分析。研究发现,农户个体及其村级特征影响其宅基地退出方式;农民的教育程度、主要职业及家庭年总收入对农户宅基地退出方式选择具有显著正向作用,年龄具有负向作用;村级特征中,村到最近城镇距离显著弱化教育程度对农户宅基地退出方式选择的正向影响。需完善农民教育培训、提高置换补偿标准等相关政策及保障体系,促进具有进城意愿和条件的农户完全退出宅基地,提高不完全退出宅基地农户的生活保障水平。

金融素养对大学生创业意愿的影响

基于三元交互理论与班杜拉社会学习理论,探讨金融素养对大学生创业意愿的影响,以及角色榜样与高校创业环境的调节作用。通过问卷量表搜集创业意愿,以及基本金融知识检测衡量金融素养,以此数据构建分层广义线性模型。研究结果显示:金融素养对于大学生创业意愿具有显著正向影响;高校创业环境起正向调节作用;角色榜样的调节作用不显著。从财务与金融视角探索了金融素养与角色榜样以及高校教育环境的交互作用,拓展了对高校大学生创业意愿的研究。

分层整群随机抽样数据的不同分析方法及结果比较

目的探讨分层整群抽样数据应用SAS9.1分析时,不同分析方法对结果的影响。方法比较多因素logistic回归,surveylogistic回归以及广义线性混合效应模型(glimmix)在分层整群抽样数据中的统计分析,并用实例加以说明。结果不同的方法所产生的结果是有差别的。surveylogistic回归与广义线性混合效应模型对模型中各回归系数的标准误进行了调整,使得其比多因素logisitic回归中的标准误大。在实例分析中各危险因素的OR值也发生了变化,其95%可信区间都有不同程度的增宽。结论在分层整群抽样中,为减少模型系数标准误估计的向下偏倚以及第Ⅰ类错误的发生,surveylogistic回归与广义线性混合效应模型都是比较适用的,不建议使用多因素logisitic回归。

城市基本公共服务对新生代农民工定居意愿的影响——基于广义分层线性模型的实证研究

基于《全国流动人口动态监测调查》和地级市数据,运用分层线性模型,从实证的角度验证了城市基本公共服务供给对新生代农民工定居意愿的影响。研究结果显示:城市基本公共服务对新生代农民工有着显著的"拉力"作用。城市各项基本公共服务中的义务教育、医疗卫生、住房保障、社会保障与就业服务对新生代农民工的城市定居意愿均有显著促进作用,城市提高农民工福利保障的政策力度也会改善其定居意愿。不过,城市公共服务的差异也会削弱农民工的城市定居意愿。因此,实施城市各项基本公共服务的均等化供给,确保农民工应有的公共服务权益,无疑会有助于增强新生代农民工的城市定居意愿,推动城镇化和地方经济的协调发展。

基于分层贝叶斯广义线性模型的小域估计方法研究

当前,构建恰当的小域估计方法是解决我国政府抽样调查中多层次推断问题的关键所在。由于小域的小样本特性,基于频率统计学的小域估计方法推断效果并不理想,而传统基于贝叶斯统计视角的小域估计方法在非连续型变量估计时适应性不强。本文在系统介绍传统贝叶斯小域估计方法的基站上,为了解决离散变量的估计推断问题,将广义线性模型引入到分层贝叶斯方法中,构建了基本的理论机制和分类数据的估计模型。基于此模型,运用全国流动人口动态监测调查2014年广东省内的样本数据进行实例测算,估计出广东省各地级市的流动人口学历分布情况,并将分层贝叶斯广义线性模型的估计结果与传统估计方法进行了对比分析。结果显示,分层贝叶斯广义线性模型在样本量充足的情况下能够准确地估计出目标小域的总体参数,在样本量不足的小域中依然能够给出稳健的估计结果。文章所构建的估计模型不仅可以充分利用先验信息和辅助信息,还适用于对复杂数据进行估计推断,能够为我国政府抽样调查的小域估计实践提供有价值的理论参考。

基于分层广义线性模型的未决赔款准备金评估方法

本文将分层广义线性模型应用于未决赔款准备金的评估中,充分考虑了保险公司同一事故年赔款数据反复观测的纵向特征和不同事故年未观测到的特征所导致的异质性。从实证结果可以看出,分层广义线性模型可以根据先验信息和经验赔款调整先验权重,并得到与贝叶斯广义线性模型精确度和估计值都非常接近的未决赔款准备金评估值,且在突发事件情景下可以得到更稳定的评估值。

混合线性模型效应参数的Bayes影响分析

考虑混合线性模型的影响分析及强影响点的探测问题，利用Ｋｕｌｌｂａｃｋ － Ｌｅｉｂｌｅｒ 距离，分别给出了剔除单个数据点对固定效应和随机效应参数估计精度的影响度量，并通过对一实例的分析，表明该方法的有效性．

钢筋混凝土板动力非线性有限元研究

从目前的文献看 ,关于钢筋混凝土板动力非线性分析方面的研究较少。本文在建立钢筋混凝土材料动力模型的基础上 ,采用广义协调矩形分层单元、显式 Newmark法编制了钢筋混凝土板的动力有限元程序。数值算例表明 ,所编程序原理正确 ,结果可靠。

多元Laplace分布下的广义贝叶斯分层回归模型及其应用

在处理二变量数据、分类数据、纵向数据及层次结构数据时广义线性混合效应模型(GLMM)是有力数据模型,该模型的经典假设是其系统部分具有正态分布的随机效应。然而,在实际应用中,我们需要使用比正态分布更重的尾部分布来处理数据中的异常值和重尾情况。该论文的创新之处在于针对这种情况使用了多元Laplace分布替代正态分布的假设(称为重尾替代)来研究GLMM,构建了新的模型广义贝叶斯分层回归模型。采用Monte Carlo模拟,给出了M-H抽样算法下模型参数的点估计及区间估计,并与其他方法得出的参数估计进行对比。模拟结果表明在重尾数据中,该模型对数据的处理优于传统的方法。最后,利用新模型结合实际数据进行了实证演示,说明了该模型和方法的有效性和实用性。

我国城市老年人体力活动状况及环境影响因素分析

利用2011年中国健康与养老追踪调查基线数据,采用分层线性模型统计方法,探讨我国城市老年人体力活动状况与其个人特征以及社区环境因素对城市老年人体力活动水平的影响。研究表明:年龄、健康水平、儿童时期健康水平、1 km的步行能力和健康消费是城市老年人中、高等强度体力活动水平的主要影响因素;社区环境因素可以解释28.73%的老年人体力活动差异,社区道路状况与城市老年人体力活动水平显著相关,此外,室外健身路径、农贸市场是否在本社区与其体力活动水平呈边缘性显著相关,老年协会、老年活动中心与老年人体力活动水平不具有统计学意义。建议在城市社区的老年人中倡导健康的生活方式,积极从事不同类型的体力活动,提高自身健康水平和生活自理能力,应注重建设精准的老年人体力活动服务体系,聚焦社区老年宜居环境建设,改善步行或交通出行环境,同时应注重青少年时期体力活动习惯的培养。