缺失数据下双重广义线性模型的经验似然推断

发布时间：2017-12-16 10:08

  本文关键词：缺失数据下双重广义线性模型的经验似然推断

  更多相关文章： 经验似然 缺失数据 双重广义线性模型 联合均值与方差模型

【摘要】：随着全面质量管理的推广,人们对质量的要求越来越高.从专业、管理和统计的角度出发进行质量改进,俨然成为了大家关注的焦点.就统计学而言,在很多实际问题中影响质量波动的方差可能会是变化的.为了有效的控制方差,了解方差的来源,就有必要对方差建模.联合均值与方差模型与双重广义线性模型是处理异方差数据重要的研究工具.本文主要使用经验似然方法研究了响应变量缺失时双重广义线性模型的统计推断问题,内容包含以下几部分：第一,联合均值与方差模型做为双重广义线性模型的一种特例,在完全数据的条件下,基于截面经验似然的方法,将联合均值与方差模型作为截面经验似然比函数的约束条件,转化为在一定条件下的极值问题.通过解拉格朗日算子得出经验似然比函数.构造了均值模型和方差模型未知参数的置信区间.最后通过数据模拟和实例分析讨论了该方法的可行性.第二,同样是基于截面经验似然方法,将双重广义线性模型的拟似然估计方程作为截面经验似然比函数的约束条件,构造了均值模型和散度模型未知参数的置信区间.最后通过数据模拟,该方法与正态逼近方法比较,说明了该方法是有效和可行的.第三,介绍了非参数统计中常用的填补方法,逆概率加权方法.在响应变量随机缺失时,将填补后的双重广义线性模型的拟似然估计方程作为截面经验似然比函数的约束条件,构造了均值模型和散度模型未知参数的置信区间.数据模拟中,在完全数据集,逆概率加权填补所得的数据集和未加权填补所得的数据集三种情形下,将经验似然方法与正态逼近方法相比较.结果表明在双重广义线性模型中,逆概率加权这一填补方法和经验似然方法是有效和可行的.
【学位授予单位】：昆明理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：O212.1

【参考文献】

中国期刊全文数据库 前3条

1 陈希孺;广义线性模型(一)[J];数理统计与管理;2002年05期

2 吴刘仓;黄丽;戴琳;;Box-Cox变换下联合均值与方差模型的极大似然估计[J];统计与信息论坛;2012年05期

3 闫莉;陈夏;;缺失数据下广义线性模型的经验似然推断[J];统计与信息论坛;2013年02期

，

本文编号：1295622