Logit-Normal模型的MCEM算法参数估计

EM算法主要被用来处理由于数据缺损等原因导致的不完备数据情形下的参数估计问题.本文在简单介绍EM算法的基础上,又针对EM算法的E步中积分无法计算甚至表达式难以给出的情况,讨论了Monte Carlo EM(MCEM)算法,MCEM算法利用Monte Carlo模拟有效估计出E步中的积分,显著提高了实用性.最后研究了MCEM算法在Logit-Normal模型中的应用,根据Metropolis-Hastings(MH)抽样近似得到积分并通过迭代估计出参数值.

基于稀疏矢量自回归概率模型的超短期风电功率预测算法

可再生能源的概率预测被广泛认为是电力系统优化的必要条件。提出一种在大量地点进行超短期的参数化风电概率预测的时空方法,其基于logit-normal的参数框架,将多个风电场的位置参数建模为一个向量值时空过程,并采用改进的指数平滑法跟踪尺度参数,采用一种先进的稀疏向量自回归模型拟合技术,对定位参数进行建模,并与传统的向量自回归模型相对比。以澳大利亚22个风电场的每5分钟平均风力发电数据集为例进行了测试,验证了该算法的有效性。

居民出行生成预测的二元logit模型改进及验证

针对二元logit模型在出行生成预测应用时忽略了变量差异性的缺点,提出了其可观测变量参数β'服从对数正态分布的假设,根据美国PUMS居民出行调查的前300个相关数据,通过参数标定对该假设的合理性进行了验证.采用SAS仿真系统对参数进行标定的结果表明:当部分参数服从对数正态分布时,所有参数的t检验值均在[-1,1]区间之外,从而验证了假设的合理性.分别利用改进前的模型与改进后的模型进行城市居民出行生成预测,结果显示后者的预测精度明显高于前者,进一步验证了应用改进后的二元logit模型进行居民出行生成预测有显著效果.

职业教育与外出农民工就业类型——基于CLDS2012数据的实证研究

利用2012年"中国劳动力动态调查"数据,考察外出农民工就业类型和人力资本状况,并着重分析职业教育对外出农民工就业类型的影响。研究结果表明,职业教育对外出农民工就业类型有显著影响;与普通受教育程度相比,职业教育更能提升外出农民工成为"专业技术人员""办事人员和有关人员""商业、服务人员"的概率。因此,应在唤醒外出农民工对基础义务教育重视的同时,大力发展职业教育,增强其通过职业教育实现职业向上流动的机会。

个体观测次数与协变量个数都趋于无穷的二值数据GEE估计的渐近性质

广义估计方程是专用于处理纵向数据的统计模型,有效地解决了纵向数据中协变量相关的问题,得到稳健的参数估计值。但由于观测次数的不唯一,大多数文献对观测次数设置了上限,前人在假设个体观测次数为有限的条件下,证明了经典Logit广义估计方程估计的渐近性质。而随着大数据时代的到来,试验中需要对个体进行更多次观测,以便得出更为精准的结论。鉴于此,对于观测个体的数量n、协变量个数pn以及观测次数m三者都趋于无穷的情况,通过限定m的发散速度,即在mp_n^3/n和m^4p_~4n/n都趋于0和其他正则条件下,基于微分中值定理及根的存在定理,证明了经典Logit广义估计方程估计的渐近存在性和相合性;并在该估计的相合性的基础上,通过Slutsky定理进一步证明出了该估计的渐近正态性。

基于单纯形分布的比例数据的回归分析

很多应用领域中的实验结果都表达成连续比例型数据,这类数据通常度量成为百分比、比率或比例,并取值于单位区间.为了采用弥散模型中的单纯形分布来模拟此类实验结果,本文首先研究单纯形分布的部分重要性质,在回归分析中参数估计和统计推断需要运用这些性质.模拟研究表明,当所研究情形不满足分布假设时,单纯形回归模型比Beta回归和分对数-正态回归模型更为稳健.通过对体外造血干细胞移植技术的真实数据分析,本文阐释这种方法和它针对异常值的稳健性.在R软件中,单纯形回归可以由程序包"simplexreg"实现,读者可以自行下载这个程序包,地址为http://my.zju.edu.cn/share/2466293(验证码:7919).