| 中文摘要 | 第7-10页 |
| 英文摘要 | 第10-14页 |
| 第一章 分位数回归模型的非迭代抽样算法 | 第15-39页 |
| 1.1 引言 | 第15-16页 |
| 1.2 分位数回归模型的混合表示 | 第16-17页 |
| 1.3 贝叶斯推断和IBF算法 | 第17-21页 |
| 1.3.1 EM算法计算后验众数 | 第19-20页 |
| 1.3.2 IBF算法 | 第20-21页 |
| 1.4 模拟研究 | 第21-22页 |
| 1.5 逆伽马先验的稳健性 | 第22-30页 |
| 1.6 实例分析 | 第30-38页 |
| 1.6.1 美国国债价格数据分析 | 第30-34页 |
| 1.6.2 Engel食物消费数据分析 | 第34-38页 |
| 1.7 结论 | 第38-39页 |
| 第二章 分位数和截尾分位数回归模型的随机EM算法 | 第39-65页 |
| 2.1 引言 | 第39-40页 |
| 2.2 分位数回归模型的随机EM算法 | 第40-44页 |
| 2.2.1 截尾分位数回归的随机EM算法 | 第41-44页 |
| 2.3 模拟研究 | 第44-45页 |
| 2.3.1 模拟1 | 第44-45页 |
| 2.3.2 模拟2 | 第45页 |
| 2.4 实例分析 | 第45-54页 |
| 2.4.1 Engel数据 | 第45-46页 |
| 2.4.2 劳力供应数据 | 第46-54页 |
| 2.5 结论 | 第54-65页 |
| 第三章 有限混合分位数回归模型的Gibbs抽样算法 | 第65-80页 |
| 3.1 引言 | 第65页 |
| 3.2 基于ALD的混合分位数回归模型 | 第65-67页 |
| 3.3 贝叶斯推断 | 第67-70页 |
| 3.3.1 先验分布 | 第67-68页 |
| 3.3.2 满条件分布 | 第68-69页 |
| 3.3.3 Gibbs抽样 | 第69-70页 |
| 3.4 模拟研究 | 第70-72页 |
| 3.5 实例分析 | 第72-75页 |
| 3.5.1 蚜虫数据 | 第72-74页 |
| 3.5.2 engine数据 | 第74-75页 |
| 3.6 结论 | 第75-80页 |
| 第四章 基于拉普拉斯回归模型的稳健变点估计 | 第80-94页 |
| 4.1 引言 | 第80-81页 |
| 4.2 带变点的拉普拉斯回归模型 | 第81-82页 |
| 4.2.1 拉普拉斯回归模型的正态混和表示 | 第81页 |
| 4.2.2 带变点的拉普拉斯回归模型 | 第81-82页 |
| 4.3 EM算法与Schwarz信息准则 | 第82-86页 |
| 4.3.1 H_0下的EM算法 | 第82-84页 |
| 4.3.2 H_1下的EM算法 | 第84-86页 |
| 4.3.3 拉普拉斯变点模型的SIC准则 | 第86页 |
| 4.4 模拟研究 | 第86-90页 |
| 4.5 证券市场数据分析 | 第90-92页 |
| 4.6 结论 | 第92-94页 |
| 参考文献 | 第94-100页 |
| 致谢 | 第100-101页 |
| 攻读博士学位期间完成论文情况 | 第101-102页 |
| 学位论文评阅及答辩情况表 | 第102页 |