线性回归M估计量的Wild Bootstrap方法研究

Wild Bootstrap是一种适用于回归方程中存在异方差时的再取样方法。本文通过线性回归Huber估计量的模拟研究,比较了不同的bootstrap方法,并验证了wild bootstrap方法在有限样本下的有效性。通过运用一种简单有限样本统计量对wild bootstrap加以修正,对于存在异方差性且基于固定设计的回归模型而言,wild bootstrap成为首选的重复抽样法。

基于M估计量及标准四分位间距的安全监测数据异常识别的改进方法

水电工程安全监测数据的异常识别是科学评价大坝安全性态的前提。为了解决传统的3σ准则运用于“台阶型”、“震荡型”监测数据序列异常在线识别时极易出现的漏判问题,引入Andrews M估计量和标准四分位间距替代传统3σ准则中的总体位置参数和总体尺度参数,构建了新的判别准则。工程实践及敏感性分析表明:该方法能有效消除“台阶型”和“震荡型”离群点对识别结果带来的不利影响;抗离群点影响的比例提升到25%,异常识别的准确性及可靠性提升明显。研究成果可为水电工程安全状况和运行性态的评价提供参考。

非线性模型中M-估计量的大样本性质

在一些条件下,本文证明了非线性模型中M-估计量的存在性与一致性,作为进行大样本统计推断的重要步骤,本文导出了M-估计量的极限分布及其渐近方差的一致估计量。

基于M估计的改进Pauta准则在监测数据粗差识别中的研究及应用

监测数据是反映大坝安全的直观手段,数据序列的精度对安全评价、隐患预警影响较大。传统的监测数据粗差识别常采用的Pauta准则仅对具有特定分布规律(正态或近似正态分布)的数据序列精度较高,而对于含较多离群点的序列则容易出现异常值漏判的问题。提出了基于M估计的改进Pauta准则,以位置M估计量和基于位置M估计量的尺度估计量代替均值和标准差构造控制函数,克服了传统识别方法的精度易受离群点影响的问题,有效解决了异常值漏判的问题。将改进Pauta准则应用于耿达水电站不同类型的监测序列,应用结果表明基于M估计改进的Pauta准则粗差识别精度和适用性较传统Pauta准则提升明显。

变系数线性结构关系EV模型中参数β〔t0〕的加权M估计的渐近正态性

考虑变系数多维线性结构关系EV模型y=xTβ〔t〕,Y=y+ε,X=x+u,利用一般的函数ρ〔·〕.构造了参数β〔t〕=β1〔t〕,β2〔t〕,…,βp〔t〕T〕在t=t0处的参数β〔t0〕的估计量β^n〔t0〕,并证明它具有渐近正态性.

一类EV模型中参数σ~2的加权M估计的渐近正态性

考虑变系数多维线性结构关系EV模型y=xTβ(t),Y=y+ε,X=x+u,利用文[4]构造的参数β(t)在t=t0处的参数β(t0)的估计量βn(t0)构造参数σ2的估计量σn2,并证明它具有渐近正态性.

基于稳健回归技术的软件成本估计方法(英文)

随着软件系统规模的不断扩大和复杂程度的日益加大,从20世纪60年代末期开始,出现了以大量软件项目进度延期、预算超支和质量缺陷为典型特征的软件危机。在对软件项目进行估算时,通常情况下能得到相关软件组织或软件产品的某些历史数据,充分利用这些历史数据对预测与估算软件项目是很有帮助的。稳健回归分析(RRA),就是这样一种相当常用与有效的数据驱动方法。在比较、回顾一些稳健回归分析研究成果的基础上,重点解决了软件成本估算数据用传统回归分析存在的问题,并有效地解决了由于异常数据存在而产生的掩蔽效应。同时尝试提出在软件成本数据估算中运用稳健回归方法进行系统而全面的仿真实验分析,发现该方法能有效地解决异常数据的掩蔽效应,得到比较满意的结果。

基于云模型的混凝土坝变形安全评价方法研究

变形监测是混凝土坝的主要安全监测项目之一,拟定科学合理的混凝土坝变形监控指标,对准确识别险情、保障大坝安全具有重大意义。针对混凝土坝变形监测信息中普遍存在的不确定性问题,引入云模型理论,利用正态云期望曲线和内外轮廓线设置了监测序列评判的等级阈值,提出了基于云模型的混凝土坝变形安全评价方法,并将估计量应用于对云模型适应性较差的波动型监测序列,提升了模型的可靠性。实例分析表明,云模型对规律型数据、处理后的波动型数据以及台阶型数据均有较高的精度。模型同时考虑了监测序列的总体分布情况以及由于外界因素导致的监测数据时空上的不确定性,较传统方法具有更强的适用性。

因果推断中平均处理效应的估计研究

医学、经济等领域的研究常关注某种处理或政策的有效性,并借助于估计处理或政策的平均处理效应及其方差,进行因果推断。Montes-Rojas(2009)已导出简单逆概加权方法得到的平均处理效应估计量的渐近方差公式。但当个体倾向评分取值接近于0或者1时,利用此公式可能会导致估计量及其方差异常大,从而估计量不稳健。本文类比Montes-Rojas(2009)导出渐近方差公式的方法,给出了扩展简单逆概加权方法下平均处理效应估计量渐近方差的计算公式。通过模拟研究,本文进一步验证了所导出的渐近方差公式的正确性及可行性。