首页--数理科学和化学论文--概率论与数理统计论文--数理统计论文--一般数理统计论文

纵向数据下变系数混合效应模型的有效推断

摘要第4-7页
Abstract第7-10页
符号表第11-15页
第1章 绪论第15-31页
    1.1 纵向数据及建模方法第15-18页
    1.2 统计模型第18-21页
        1.2.1 变系数回归模型第18-19页
        1.2.2 部分线性变系数模型第19-20页
        1.2.3 广义部分线性模型第20-21页
    1.3 估计方法第21-28页
        1.3.1 非参数光滑方法第21-24页
        1.3.2 变量选择估计方法第24-26页
        1.3.3 经验似然估计第26-27页
        1.3.4 半参数有效估计第27-28页
    1.4 本文内容及结构第28-31页
第2章 纵向数据下部分线性变系数混合效应模型的有效估计第31-49页
    2.1 引言第31-33页
    2.2 估计方法第33-35页
        2.2.1 初始估计量第33-34页
        2.2.2 方差分量的估计第34页
        2.2.3 加权半参最小二乘估计第34-35页
    2.3 主要结果第35-37页
    2.4 模拟研究第37-39页
    2.5 实例分析第39-42页
    2.6 定理证明第42-48页
    2.7 本章小结第48-49页
第3章 纵向数据下部分线性变系数混合效应模型的有效压缩估计第49-69页
    3.1 引言第49-50页
    3.2 估计方法第50-53页
        3.2.1 惩罚估计方程第50-52页
        3.2.2 估计方法第52-53页
    3.3 主要结果第53-56页
    3.4 估计方法第56-57页
        3.4.1 计算算法第56-57页
        3.4.2 惩罚参数的选择第57页
    3.5 模拟研究第57-62页
    3.6 实例分析第62-63页
    3.7 定理证明第63-68页
    3.8 本章小结第68-69页
第4章 纵向数据下变系数混合效应模型的有效压缩估计第69-85页
    4.1 引言第69-70页
    4.2 估计方法第70-73页
        4.2.1 惩罚估计函数第70-71页
        4.2.2 估计方法第71-73页
    4.3 主要结果第73-74页
    4.4 模拟研究第74-79页
    4.5 实例分析第79-80页
    4.6 定理证明第80-83页
    4.7 本章小结第83-85页
第5章 基于经验似然方法的变系数混合效应模型的有效推断第85-99页
    5.1 引言第85-86页
    5.2 估计方法第86-88页
        5.2.1 非参数分量的经验似然推断第86-87页
        5.2.2 方差分量估计第87-88页
    5.3 主要结果第88-89页
    5.4 计算算法第89-90页
        5.4.1 初始估计量第89-90页
        5.4.2 窗宽的选择第90页
    5.5 模拟研究第90-92页
    5.6 实例分析第92-94页
    5.7 定理证明第94-97页
    5.8 本章小结第97-99页
第6章 纵向数据下带有随机效应的广义部分线性模型的有效估计第99-119页
    6.1 引言第99-101页
    6.2 估计方法第101-103页
        6.2.1 初始估计第101-102页
        6.2.2 方差分量的估计第102页
        6.2.3 截面估计方程第102-103页
    6.3 主要结果第103-106页
    6.4 模拟研究第106-112页
    6.5 实例分析第112页
    6.6 定理证明第112-116页
    6.7 本章小结第116-119页
结论第119-123页
参考文献第123-137页
攻读博士学位期间的研究成果第137-139页
致谢第139页

论文共139页,点击 下载论文
上一篇:Development of Advanced Gaseous Detectors for Muon Tracking and Triggering in Collider Experiments
下一篇:基于间隔和置信度的选择性集成学习算法研究