学位论文 > 优秀研究生学位论文题录展示
纵向数据部分线性模型的惩罚广义矩方法
作 者: 倪艳风
导 师: 朱仲义
学 校: 复旦大学
专 业: 统计学
关键词: 纵向数据 广义部分线性模型 截断幂样条 广义线性模型 广义估计方程 二次推断函数 广义矩方法 惩罚广义矩方法
分类号: O212
类 型: 硕士论文
年 份: 2009年
下 载: 62次
引 用: 0次
阅 读: 论文下载
内容摘要
纵向数据是指对每一个个体在不同的时间点进行观测而得到的由截面和时间序列融合在一起的数据,因此它既可以分析出个体随时间的变化趋势,又可以分析总体的变化趋势。对于半参数部分线性模型,通常的做法是用样条方法或者核方法逼近非参数部分,然后再用线性模型的估计方法去估计参数部分。参数部分的估计可以采用传统的广义线性模型方法(GLM)、广义估计方程方法(GEE)或者二次推断函数方法(QIF),然而,对于某些依赖于时间的协变量而言,上述的估计方法的效率是不足的。本文在引入Lai和Small(2007)对依赖于时间的协变量的分类基础上,使用p-样条拟合非参数函数,对不同的矩条件用不同的广义矩方法对模型的参数和非参数进行估计,并且给出了估计量的大样本性质;我们用计算机模拟和算例证明了当模型中存在不同的矩条件时,采用不同的惩罚广义矩方法可以显著地提高估计精度。
|
全文目录
摘要 2-3 Abstract 3-5 第1章 绪论 5-11 1.1 纵向数据简介 5 1.2 基于纵向数据的广义线性模型及其发展 5-8 1.3 基于纵向数据的广义部分线性模型的研究现状 8-9 1.4 文章结构 9-11 第2章 估计方法 11-26 2.1 依赖于时间的协变量的分类 11-12 2.2 广义矩方法 12-13 2.3 惩罚广义矩方法 13-23 2.3.1 光滑参数的选择 17-18 2.3.2 样条函数中节点和幂的阶数的选择 18 2.3.3 估计量的大样本性质 18-23 2.4 在非平衡纵向数据中惩罚广义矩方法的修正 23-26 第3章 计算机模拟 26-30 3.1 情况1:第2类依赖于时间的随机变量 26-27 3.2 情况2:第3类依赖于时间的协变量 27-29 3.3 情况3,续情况1 29-30 第4章 实际应用 30-33 第5章 结语 33-34 参考文献 34-37 致谢 37-38
|
相似论文
- 基于经验似然的p阶自回归模型的统计诊断,O212.1
- GLM在建筑工程质量保险费率厘定中的应用研究,F842
- 病例—交叉研究中GEE和多水平模型的应用,R195
- 缺失数据下广义线性模型参数拟似然估计的相合性和渐近正态性,O212.1
- 纵向数据处理中的异方差分析,O212.1
- 广义线性模型在机动车辆保险费率厘定中的应用研究,F224
- 广义部分线性违约概率模型,F830.33
- 广义线性模型中极大拟似然估计的相合性与渐近正态性,O212.1
- 缺失纵向数据下半参数回归模型的分析研究,O212.1
- GEE和QIF用于含有缺失数据的AsthmaData数据分析,O212.1
- 纵向数据模型选择的Lagrange乘子法,O212.1
- 基于广义线性模型的未决赔款准备金估算研究,F224
- 分位数回归在非寿险保费厘定中的应用与研究,F224
- 统计模型在未决赔款准备金中的应用研究,F224
- 基于纵向数据的半参联合均值方差模型,O212.1
- 基于R的地理加权广义线性模型理论及应用研究,F425
- 纵向数据变系数回归模型交叉核实核估计的性质,O212
- 广义线性模型中LS-SCAD估计的渐近性质,O212.
- 基于贝叶斯广义线性模型的准备金估计方法,F840
- 响应变量为连续型和多分类型的多元纵向数据分析,O212
- 含缺失数据的两值马氏链纵向数据的EM算法,O212.1
中图分类: > 数理科学和化学 > 数学 > 概率论与数理统计 > 数理统计
© 2012 www.xueweilunwen.com
|