导读:本文包含了拟似然论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模型,广义,线性,变量,函数,渐近,数据。
拟似然论文文献综述
陈夏,崔艳[1]（2019）在《高维广义线性模型的拟似然自适应Lasso估计》一文中研究指出利用惩罚拟似然方法,讨论高维广义线性模型的拟似然自适应Lasso估计。该方法能同时进行变量选择和参数估计。在适当的条件下,证明了所得估计的相合性和Oracle性质,并利用数据模拟和实例分析说明了所提方法的优良性质。(本文来源于《陕西师范大学学报(自然科学版)》期刊2019年02期）
宋蕾,冯予[2]（2019）在《拟似然非线性模型的统计诊断》一文中研究指出研究了经验似然估计下的拟似然非线性模型的统计诊断问题。首先给出了模型经验似然比函数,进而求出模型的经验似然估计;再基于数据删除模型推导出参数的一阶近似公式,并提出了经验Cook距离;最后通过对实例的分析,验证了该统计方法的有效性和合理性。(本文来源于《湖南工业大学学报》期刊2019年01期）
闫莉,陈夏[3]（2018）在《高维广义线性模型的惩罚拟似然SCAD估计》一文中研究指出基于光滑切片绝对偏差(smoothly clipped absolute deviation,SCAD)惩罚的拟似然方法,研究高维广义线性模型的变量选择和参数估计问题.所提方法只需要对响应变量期望函数和方差函数的正确设定.在适当的正则条件下,证明了拟似然SCAD估计具有相合性和Oracle性质.最后通过数据模拟和实例分析,验证了所提方法的有限样本性质.(本文来源于《武汉大学学报(理学版)》期刊2018年06期）
林金官,郝红霞,汪红霞[4]（2018）在《基于拟似然方法的股票收益与波动率关系及其应用研究》一文中研究指出股票市场中收益与波动率的关系研究在金融证券领域起着很重要的作用,而随机波动率模型能够很好地拟合这种关系。本文将拟似然方法和渐近拟似然方法运用在随机波动率模型的参数估计方面,渐近拟似然方法可以避免因为人为的结构错误指定而造成的偏差,比较稳健。本文采用拟似然和渐近拟似然方法对随机波动率模型的参数估计进行了模拟探索,并和两种已有估计方法进行了对比,结果表明拟似然和渐近拟似然方法在模型的参数估计方面有着很好的估计结果。实证研究中,选取2000—2015年标准普尔500指数作为研究对象,结果显示所选数据具有金融时间序列的常见特征。本文为金融证券领域中股票收益与波动率关系及其应用研究提供了一定的启示。(本文来源于《统计研究》期刊2018年05期）
王歆旸[5]（2017）在《几类整值时间序列模型的拟似然推断和变量选择问题》一文中研究指出作为时间序列分析的一个重要分支,整值时间序列在近些年来得到了越来越多统计工作者的关注.本文主要研究了几类整值时间序列模型的拟似然推断和变量选择问题.首先,我们研究了基于符号广义幂级数稀疏算子的p-阶整值自回归模型(GINARS(p))的拟似然推断问题.我们得到了模型参数的极大拟似然估计并且给出了估计量的渐近分布以及参数的拟似然置信域.其次,我们讨论了带有协变量的一阶整值自回归模型(INAR(1))的变量选择问题.我们选择自适应LASSO作为惩罚函数对模型进行了惩罚条件最小二乘(PCLS)估计,删除了影响误差项方差的非显着协变量,从而降低了模型的复杂程度同时又提高了模型的精确性.进一步地,我们证明了所得惩罚估计量的相合性与oracle性.最后,我们研究了具有稀疏结构的Poisson自回归模型的变量选择问题.我们提出了一种惩罚条件极大似然(PCML)估计并使用该方法对具有稀疏结构的Poisson自回归模型进行了参数估计,删除了模型中的非显着变量,使模型变得更加精确简洁.在理论方面,我们证明了惩罚条件极大似然估计为相合估计并且满足oracle性。(本文来源于《吉林大学》期刊2017-11-01）
张晓风,张德平[6]（2016）在《基于拟似然估计方法的软件失效预测模型》一文中研究指出软件缺陷预测是软件可靠性研究的一个重要方向。由于影响软件失效的因素有很多,相互之间关联关系复杂,在分析建模中常用联合分布函数来描述,而实际应用中难以确定,直接影响软件失效预测。基于拟似然估计提出一种软件失效预测方法,通过主成分分析筛选影响软件失效的主要影响因素,建立多因素软件失效预测模型,利用这些影响因素的数字特征(均值函数和方差函数)以及采用拟似然估计方法估计出模型参数,进而对软件失效进行预测分析。基于两个真实数据集Eclipse JDT和Eclipse PDE,与经典Logistic回归和Probit回归预测模型进行实验对比分析,结果表明采用拟似然估计对软件缺陷预测具有可行性,且预测精度均优于这两种经典回归预测模型。(本文来源于《计算机科学》期刊2016年S2期）
李泽安,赵为华[7]（2016）在《比例数据的拟似然推断及其应用》一文中研究指出本文基于拟似然方法研究比例数据的统计推断及其在计量经济分析中的应用问题.拟似然估计不需要响应变量确切的分布假定,只需要一阶条件矩假设.与已有方法相比,本文提出的拟似然估计不仅具有稳健性而且具有很好的适应性.最后,通过家庭食物消费数据分析充分说明了所提方法的有用性.(本文来源于《安徽师范大学学报(自然科学版)》期刊2016年06期）
汤毅平[8]（2016）在《一种基于拟似然函数的信息量准则》一文中研究指出文章提出了一种基于拟似然函数的模型选择策略,该模型同时考虑了模型被正确指定的情况和被错误指定的情况。继承Wedderburn(1974)的想法和Akaike(1973)的构筑信息量的思路,在只假定数据的前两阶矩的基础上,使用广义线性模型中的均值和方差定义半参数统计模型;在半参数模型基础上,定义半参数信息量;提出具有较弱假设的基于拟似然函数的半参数信息量准则。半参数信息量准则可应用于连续的以及离散的数据分析。还从理论上证明了半参数信息量准则的近似无偏性。(本文来源于《统计与决策》期刊2016年16期）
孙良斌[9]（2016）在《拟似然方法在广义半函数部分线性模型中的应用》一文中研究指出随着社会的发展,计算机存储能力和处理速度的提升,我们在环境科学、化学、生物学、医学、经济学等越来越多的领域观测到的数据越来越精细。例如,对一个现象我们可以观测一个大样本的变量,进一步我们来看一个通常的情形：某个随机变量可以在范围(t min,tmax)的一些时间点上取值,则它的一个观测样本可以通过随机族{X(tj)} j=1,....,J来表示。在现代统计中,给定范围时的观测数据越来越多意味着连续不断的常数越来越靠近。传统统计方法和统计模型在处理这类数据时存在很多问题,如过拟合和维数祸根问题。为解决这些困难,统计学者们把这些观测到的大样本数据考虑成连续族,将每个个体看成一条曲线,从而对曲线数据进行统计分析。这就是本文中函数型数据的基本思想。部分线性模型理论首先由Engle et al(1986)提出,随后被广泛研究和应用在应用统计的许多领域。这种模型允许一部分解释变量为参数形式,而另一部分解释变量为非参形式。随后Thomas把此模型推广到广义形式。本文应用拟似然方法来对广义部分线性模型进行估计,并利用近年来函数型数据在非参数统计方面的发展,把函数型数据引入到解释变量的估计中来,研究广义半函数部分线性模型,对模型中参数估计量的一些渐进性质进行了说明。最后,用一个实值例子来说明本文中模型的估计效果。(本文来源于《云南大学》期刊2016-05-01）
张戈[10]（2015）在《拟似然非线性模型中极大拟似然估计的强收敛速度》一文中研究指出在适当假定及其它一些光滑条件下,用更为简便的方法证明了拟似然非线性模型的拟似然方程解的渐近存在性,并且求出了该解收敛于真值的速度.(本文来源于《喀什师范学院学报》期刊2015年06期）
拟似然论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
研究了经验似然估计下的拟似然非线性模型的统计诊断问题。首先给出了模型经验似然比函数,进而求出模型的经验似然估计;再基于数据删除模型推导出参数的一阶近似公式,并提出了经验Cook距离;最后通过对实例的分析,验证了该统计方法的有效性和合理性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
拟似然论文参考文献
[1].陈夏,崔艳.高维广义线性模型的拟似然自适应Lasso估计[J].陕西师范大学学报(自然科学版).2019
[2].宋蕾,冯予.拟似然非线性模型的统计诊断[J].湖南工业大学学报.2019
[3].闫莉,陈夏.高维广义线性模型的惩罚拟似然SCAD估计[J].武汉大学学报(理学版).2018
[4].林金官,郝红霞,汪红霞.基于拟似然方法的股票收益与波动率关系及其应用研究[J].统计研究.2018
[5].王歆旸.几类整值时间序列模型的拟似然推断和变量选择问题[D].吉林大学.2017
[6].张晓风,张德平.基于拟似然估计方法的软件失效预测模型[J].计算机科学.2016
[7].李泽安,赵为华.比例数据的拟似然推断及其应用[J].安徽师范大学学报(自然科学版).2016
[8].汤毅平.一种基于拟似然函数的信息量准则[J].统计与决策.2016
[9].孙良斌.拟似然方法在广义半函数部分线性模型中的应用[D].云南大学.2016
[10].张戈.拟似然非线性模型中极大拟似然估计的强收敛速度[J].喀什师范学院学报.2015
论文知识图
