序贯k-out-of-n系统在序约束下参数的估计和算法

本文主要研究带有协变量的序贯k-out-of-n模型.我们假定给定协变量寿命的分布是指数分布,对指数分布的刻度参数建立了对数线性模型.研究了在序约束下模型参数的最大似然估计及最大似然估计量的性质,并且给出了最大似然估计的具体算法并进行了模拟.     

带有二元连接函数的半参数模型

提出了一种新的带有二元连接函数的广义半参数模型,即二元连接模型(简称为BLM).使用轮廓似然方法估计模型的参数和非参数部分,并给出了计算算法.证明了所得的未知参数的估计量为n~(1/2)-相合,渐近正态且具有渐近最小方差,给出了实际数据分析和模拟研究,最终采用局部功效方法来检验非参数部分的线性性.     

基于联合估计方法的广义随机系数自回归模型的统计推断

本文利用联合估计函数方法(CEF)对广义随机系数自回归(GRCA)模型进行统计研究.应用联合估计函数方法得到广义随机系数自回归模型参数估计量,证明了提出的参数估计量的相合性和渐近正态性,利用数值模拟对提出的参数统计量进行对比分析,数值模拟结果表明,联合估计方法的参数估计量优于基于估计函数方法、伪极大似然方法、最小二乘方法的参数估计量,实证研究也说明CEF方法具有较好的效果.     

缺失数据下含几何分布的对数线性模型的EM算法

本文研究缺失数据下对数线性模型参数的极大似然估计问题.通过Monte-Carlo EM算法去拟合所提出的模型.其中,在期望步中利用Metropolis-Hastings算法产生一个缺失数据的样本,在最大化步中利用Newton-Raphson迭代使似然函数最大化.最后,利用观测数据的Fisher信息得到参数极大似然估计的渐近方差和标准误差.     

有限混合Laplace分布回归模型局部估计的EM算法（英文）

本文研究了一类有限混合Laplace分布回归模型的局部极大似然估计问题.利用核回归方法和最大化局部加权似然函数的EM算法,获得了参数函数的局部极大似然估计量,并讨论了它们的渐近偏差,渐近方差和渐近正态性.推广了有限混合回归模型下局部非参数估计的结果.     

有限混合Laplace分布回归模型局部估计的EM算法

本文研究了一类有限混合Laplace分布回归模型的局部极大似然估计问题. 利用核回归方法和最大化局部加权似然函数的EM算法, 获得了参数函数的局部极大似然估计量, 并讨论了它们的渐近偏差, 渐近方差和渐近正态性. 推广了有限混合回归模型下局部非参数估计的结果.     

基于广义半逻辑分布的应力-强度模型统计推断

本文通过研究了独立两总体广义半逻辑分布情形下应力-强度模型可靠度统计推断问题,具体推导出可靠度的极大似然估计和贝叶斯估计.基于平均偏差(均方误差)以及覆盖概率(平均区间长度),分析比较了两种估计量的数值表现.分析结果表明,当两总体参数相同时,贝叶斯估计量表现较好;但当两总体参数不同时,极大似然估计量表现较好.最后,以顾客到两家银行办理业务等待时间为例,说明该理论的具体应用.     

凸约束广义线性回归模型的参数估计及算法

本文将从实际评估工作中提练出来的一种评估模型推广至因变量未知且带有一般性凸约束条件的广义线性模型,证明了模型解的存在唯一性,并从解的几何背景出发,提出了基于凸集间交互投影的参数最小二乘估计的有效算法.结合模型的特点,引入EM算法给出了参数的极大似然估计.模型的提出丰富了线性模型的结构框架,算法的给出为参数估计提供了行之有效的计算方法.     

非线性回归模型的经验似然诊断

经验似然方法已经被广泛用于线性模型和广义线性模型.本文基于经验似然方法对非线性回归模型进行统计诊断.首先得到模型参数的极大经验似然估计;其次基于经验似然研究了三种不同的影响曲率度量;最后通过一个实际例子,说明了诊断方法的有效性.     

缺失数据下半参数空间自回归模型的估计

本文研究了响应变量随机缺失时部分线性空间自回归模型的估计问题.结合B样条方法,我们给出了该模型参数部分和非数部分的极大似然估计的EM算法、伪限制极大似然估计的EM算法、以及边际极大似然估计算法,并通过数值模拟比较了三种估计和相应算法在不同的样本容量、缺失比例及空间权重矩阵下数值表现.最后,通过一个实际例子进一步验证三种方法的优良性.     

半参数回归模型拟极大似然估计的渐近分布

用拟极大似然估计方法研究了误差为AR(1)时间序列的半参数回归模型,得到了参数及非参数的拟极大似然估计量,并研究了它们的渐近分布.     

一类零膨胀广义线性模型极大似然估计的相合性与渐近正态性

讨论了响应变量为单参数指数族且在零点处膨胀的广义线性模型的大样本性质,对其参数进行了极大似然估计,给出了一些正则条件.基于所提出的正则条件,证明了模型参数极大似然估计的相合性与渐近正态性.     

基于对数正态分布下联合均值与散度广义线性模型的极大似然估计

基于对数正态分布研究提出了联合均值与散度广义线性模型,给出了此模型参数的极大似然估计,模拟和实例显示该模型和方法是有用和有效的.     

Cox模型中区间删失数据的参数估计

对区间删失数据下的Cox比例风险模型,利用极大似然方法得到参数估计量,通过牛顿法和坐标下降法分别求出极大似然估计量的数值解;同时,对两种方法进行实证分析比较,所得结果表明了估计的稳定性与可行性.     

带有额外参数连接函数的广义线性模型

本文对广义线性模型中的连接函数引入新的形状参数,提出带有额外参数连接函数的一类广义线性模型;讨论了参数的极大似然估计,并给出了迭代公式;推广了关于广义Logistic 回归模型的额外参数估计的一个结果,并提出了广义对数线性模型.     

具有竞争风险的步进应力加速寿命试验的最优设计和Bayes估计

讨论了渐进II型截尾数据中具有竞争风险的步进应力加速寿命试验的最优试验设计和参数估计.通过假定产品寿命服从Weibull分布,尺度参数对数是应力水平的线性函数基础上,利用KH模型采用极大似然方法和Bayes方法对模型参数进行了点估计和区间估计,而最优试验设计是使尺度参数对数的极大似然估计值在正常应力水平下的渐进方差达到最小.最后进行了仿真研究,结果显示提出的估计量具有良好的稳健性和有效性.     

混合双重广义线性模型的参数估计

在实际应用中,不同类别的数据统计特性存在差异,所以对异质总体的研究非常有必要.基于总体一,二阶矩存在,利用双重广义线性模型对异质总体的不同子类数据的均值和散度同时建模,研究提出了混合双重广义线性模型.然后,利用EM算法构造了模型参数的最大扩展拟似然估计和最大伪似然估计.最后,通过随机模拟和实例研究,结果表明模型和方法的有效性和有用性.     

正态条件下带AR(1)-型方差结构GMANOVA-MANOVA模型极大似然估计的小样本特征

研究了一类带一阶自回归(AR(1))-型方差结构的广义多元方差分析-多元方差分析(GMANO VA-MANOVA)模型参数极大似然估计的小样本特征.对带AR(1)-型方差结构GMANOVA-MANOVA模型,文章在正态条件下给出了参数极大似然估计存在的一个充分必要条件,讨论了极大似然估计唯一的充分条件.在该充分条件下,文章证明了相关系数极大似然估计的精确分布只与相关系数有关,并依此给出了自相关系数简单假设H0:ρ=0v.s.H1:ρ≠0的一个不需要叠代计算估计的检验,同时模拟表明该检验为无偏检验且势函数与似然比检验势函数无太大差异.     

部分函数线性模型的经验似然推断

本文考虑部分函数线性回归模型,研究了回归系数的经验似然推断,证明了所提出的经验对数似然比渐近于χ~2分布,此结果可以用来构造了相应兴趣参数的置信域.另外,本文也给出了系数函数的极大经验似然估计,并在适当条件下给出了所提出估计量的收敛速度.仅就置信域精度及其覆盖概率大小方面,通过模拟研究和实例分析比较了经验似然方法与最小二乘方法的优劣.     

因变量缺失下部分线性可加模型的估计和检验

本文研究部分线性可加模型在因变量存在缺失情形下的统计推断问题. 首先基于完整数据方法提出了参数分量的Profile 最小二乘估计并证明估计量的渐近正态性. 为了给出参数分量的区间估计,构造了渐近分布为卡方分布的经验似然统计量. 为了检验参数分量的线性约束条件, 构造了调整的广义似然比检验统计量, 当原假设成立时其渐近分布为卡方分布,从而将广义似然比检验推广到了缺失数据情形. 最后通过数值模拟验证所提方法的有效性.