| 中文摘要 | 第7-10页 |
| 英文摘要 | 第10-13页 |
| 第一章 尺度混合正态线性回归的非迭代贝叶斯抽样算法 | 第14-33页 |
| 1.1 引言 | 第14-15页 |
| 1.2 基于SMN分布的线性回归模型 | 第15-17页 |
| 1.2.1 尺度混合正态分布 | 第15-16页 |
| 1.2.2 SMN线性回归模型 | 第16-17页 |
| 1.3 贝叶斯推断与IBF算法 | 第17-21页 |
| 1.3.1 条件分布 | 第17-19页 |
| 1.3.2 EM算法求后验众数 | 第19页 |
| 1.3.3 IBF抽样算法 | 第19-21页 |
| 1.4 模型选择与影响诊断 | 第21-22页 |
| 1.5 模拟研究 | 第22-23页 |
| 1.6 实例分析 | 第23-32页 |
| 1.7 小结 | 第32-33页 |
| 第二章 截尾学生t线性回归模型的非迭代贝叶斯抽样算法 | 第33-53页 |
| 2.1 引言 | 第33-34页 |
| 2.2 截尾学生t线性回归模型 | 第34-35页 |
| 2.2.1 学生t分布 | 第34页 |
| 2.2.2 截尾学生t线性回归模型 | 第34-35页 |
| 2.3 贝叶斯推断和IBF算法 | 第35-40页 |
| 2.3.1 条件分布 | 第36-37页 |
| 2.3.2 IBF抽样算法 | 第37-40页 |
| 2.4 模型选择和影响诊断 | 第40页 |
| 2.5 模拟研究 | 第40-41页 |
| 2.6 实例分析 | 第41-52页 |
| 2.6.1 右截尾绝缘材料寿命数据集 | 第45-48页 |
| 2.6.2 左截尾工资率数据集 | 第48-52页 |
| 2.7 小结 | 第52-53页 |
| 第三章 基于混合负二项分布的整值广义自回归条件异方差模型的统计推断 | 第53-77页 |
| 3.1 引言 | 第53-54页 |
| 3.2 计数时间序列与整值广义自回归条件异方差过程 | 第54-55页 |
| 3.2.1 整值广义自回归条件异方差模型 | 第54页 |
| 3.2.2 混合整值自回归条件异方差过程 | 第54-55页 |
| 3.3 混合负二项整值广义自回归条件异方差模型介绍 | 第55-58页 |
| 3.4 相关平稳性讨论 | 第58-65页 |
| 3.5 参数估计 | 第65-68页 |
| 3.6 模拟研究 | 第68-69页 |
| 3.7 实例分析 | 第69-71页 |
| 3.8 小结 | 第71页 |
| 3.9 附录: 引理和定理的证明 | 第71-77页 |
| 第四章 A-型Neyman整值广义自回归条件异方差模型的统计推断 | 第77-107页 |
| 4.1 引言 | 第77-78页 |
| 4.2 复合泊松整值过程 | 第78-80页 |
| 4.3 平稳性讨论 | 第80-90页 |
| 4.3.1 平稳性 | 第81-89页 |
| 4.3.2 自协方差函数和自相关系数 | 第89-90页 |
| 4.4 参数估计问题 | 第90-98页 |
| 4.4.1 Yule-Walker估计 | 第91页 |
| 4.4.2 条件最小二乘估计 | 第91-92页 |
| 4.4.3 极大似然估计 | 第92-98页 |
| 4.5 模拟研究 | 第98页 |
| 4.6 实例分析 | 第98-99页 |
| 4.7 小结 | 第99-107页 |
| 第五章 总结与展望 | 第107-108页 |
| 参考文献 | 第108-114页 |
| 致谢 | 第114-115页 |
| 攻读博士学位期间完成论文情况 | 第115-116页 |
| 学位论文评阅及答辩情况表 | 第116页 |
