检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

22 篇 学位论文
5 篇 期刊文献

馆藏范围

27 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

27 篇 经济学
- 27 篇 应用经济学
27 篇 理学
- 27 篇 统计学（可授理学、...
- 25 篇 数学
1 篇 工学
- 1 篇 计算机科学与技术...

主题

27 篇 不可忽略缺失数据
6 篇 gibbs抽样
4 篇 经验似然
4 篇 贝叶斯估计
3 篇 惩罚样条
3 篇 渐近正态性
2 篇 逆概率加权
2 篇 mcecm算法
2 篇 模型选择
2 篇 mh算法
2 篇 广义部分线性模型
2 篇 非线性结构方程模...
2 篇 半参数再生散度模...
2 篇 贝叶斯分析
2 篇 估计方程
2 篇 压缩gibbs抽样
2 篇 mcmc算法
2 篇 bayes估计
1 篇 结构方程模型
1 篇 非线性ev模型

机构

16 篇 云南大学
4 篇 昆明理工大学
2 篇 沈阳师范大学
1 篇 湖州师范学院
1 篇 吉林师范大学
1 篇 重庆工业职业技术...
1 篇 浙江湖州师范学院
1 篇 太原科技大学
1 篇 中国石油大学
1 篇 贵阳学院
1 篇 武汉大学
1 篇 贵州财经大学
1 篇 北京工业大学
1 篇 浙江农林大学

作者

3 篇 付英姿
3 篇 陈雪东
2 篇 李斌
1 篇 付志慧
1 篇 徐登可
1 篇 杨志煌
1 篇 木绍良
1 篇 王超
1 篇 建皎琳
1 篇 辛然
1 篇 黄毅
1 篇 唐年胜
1 篇 zhao yuanying
1 篇 杨燕
1 篇 xu dengke
1 篇 彭毳鑫
1 篇 张艳青
1 篇 李燕芬
1 篇 蒲冰
1 篇 张媛燚

语言

27 篇 中文

检索条件"主题词=不可忽略缺失数据"

共 27 条记录，以下是21-30 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

半参数再生散度模型的统计推断

半参数再生散度模型的统计推断

引用

作者：陈雪东云南大学

学位级别：博士

半参数再生散度非线性模型和半参数再生散度混合效应模型是再生散度非线性模型、再生散度混合效应模型和半参数回归模型的自然推广和发展，包括了半参数非线性模型、半参数混合效应模型和半参数广义线性模型等等特殊类型。这两类模型能... 详细信息

半参数再生散度非线性模型和半参数再生散度混合效应模型是再生散度非线性模型、再生散度混合效应模型和半参数回归模型的自然推广和发展，包括了半参数非线性模型、半参数混合效应模型和半参数广义线性模型等等特殊类型。这两类模型能够有效地确定协变量、时间效应以及来自复杂数据结构且服从各种分布的响应变量之间的关系，具有广泛的应用范围和很大的灵活性。同时，由于这两类模型兼备了参数模型和非参数模型的特点，使得其统计推断更加复杂，其中最主要的困难在于同时涉及到响应变量的复杂分布和非参数成分，这也成为现代统计学关注的一个热点问题。\n 本文首次系统地研究了半参数再生散度非线性模型的渐近性质、统计诊断与影响分析和几何结构，证明了投影核估计和刀切估计的强相合性与渐近正态性，比较了两类估计算法的优劣，给出了若干有效的诊断统计量的计算公式、局部影响的曲率度量和参数置信域的曲率表示，得到了一些国内外文献中未见报道的新成果，不仅在理论上很有意义，也具有广泛的应用价值，而且随机模拟和实例验证表明，提出的方法是有效可行的。同时，本文还首次全面地研究了半参数再生散度非线性模型、半参数再生散度混合效应模型以及带非随机缺失数据的半参数再生散度模型的Bayes分析，提出了两种关于非参数拟合光滑控制的方法，利用数据添加思想改进了一些抽样方法和建议分布，建立了新的不可忽略缺失机制的模型，得到了一系列新的成果，也推广和发展了已有的研究工作。随机模拟和实例分析同样表明，这些结果与方法是简洁有效的。

关键词：局部核估计惩罚样条局部影响分析 MCMC算法不可忽略缺失数据 Bayes因子半参数再生散度模型

来源：评论

学校读者我要写书评

暂无评论

不可忽略缺失且偏态分布联合模型的贝叶斯推断

不可忽略缺失且偏态分布联合模型的贝叶斯推断

引用

作者：宁佳男太原科技大学

学位级别：硕士

纵向数据是目前医学、心理学等诸多领域中经常遇到的数据形式.采用联合建模方式分析纵向数据是一种常见的方法.本文突破了常规的经验建模,提出了一种新的联合建模方法,将测量误差项服从偏态分布的非线性混合效应模型作为协变量模型与适... 详细信息

纵向数据是目前医学、心理学等诸多领域中经常遇到的数据形式.采用联合建模方式分析纵向数据是一种常见的方法.本文突破了常规的经验建模,提出了一种新的联合建模方法,将测量误差项服从偏态分布的非线性混合效应模型作为协变量模型与适用范围更为宽泛的广义半参数线性混合效应模型联合建模.基于此联合模型,采用贝叶斯方法对其参数进行估计.然而在实际数据中,数据往往存在偏态,左删失和不可忽略缺失等问题.本文针对以下两种模型进行讨论:(1)考虑协变量存在左删失问题的联合模型;(2)考虑协变量和响应变量同时存在不可忽略缺失问题的联合模型.对于第一部分内容,考虑数据同时存在数据偏态、左删失及数据离散化的问题,采用非线性混合效应模型、广义半参数线性混合效应模型和左删失模型进行联合建模,利用贝叶斯方法对联合模型的参数进行估计.首先,对非线性混合效应模型的误差项考虑两种偏态分布:ST分布和SN分布.然后使用R软件根据AIC/BIC值选择合适的广义半参数线性混合效应模型和非线性混合效应模型.其次考虑左删失问题,与左删失模型联合建模.最后在Winbugs软件中运用贝叶斯估计,朴素贝叶斯和两步贝叶斯方法分别进行参数估计,根据估计的参数画出病毒载量的观察值-拟合值曲线,并依据预测偏差EPD值从ST分布和SN分布中选择拟合效果更好的偏态分布.采用该偏态分布进行实例分析和仿真研究.对于第二部分内容,在第一个内容基础上考虑不可忽略缺失的问题.在非线性混合效应模型、广义半参数线性混合效应模型和左删失模型的基础上,引入描述不可忽略缺失问题的生存模型进行联合建模.在Winbugs软件中运用贝叶斯估计,朴素贝叶斯和两步贝叶斯方法分别进行参数估计,根据估计的参数画出病毒载量的观察值-拟合值曲线,并依据预测偏差EPD值从ST分布和SN分布中选择更加拟合数据的偏态分布.采用该偏态分布进行实例分析和仿真研究.

关键词：非线性混合效应模型广义半参数线性混合效应模型不可忽略缺失数据偏态分布贝叶斯估计

来源：评论

学校读者我要写书评

暂无评论

带有不可忽略缺失的部分线性模型的识别与推断

带有不可忽略缺失的部分线性模型的识别与推断

引用

作者：辛然云南大学

学位级别：硕士

缺失数据作为复杂数据的一种,在生物医学、教育学和经济学等研究领域中普遍存在,目前国内外大部分对于数据缺失问题的研究都是基于数据缺失机制为可忽略的情况下。但一些实际问题,如当调查所在单位的员工的工资情况时,收入低和收入高的... 详细信息

缺失数据作为复杂数据的一种,在生物医学、教育学和经济学等研究领域中普遍存在,目前国内外大部分对于数据缺失问题的研究都是基于数据缺失机制为可忽略的情况下。但一些实际问题,如当调查所在单位的员工的工资情况时,收入低和收入高的员工偏向于不填写问卷,这样一些问题使得缺失数据中所反映的信息在很多情况下是不可忽略的,如果仍使用处理可忽略缺失的研究方法处理不可忽略缺失的问题,将会导致最终估计的结果出现偏差。所以研究不可忽略缺失数据的估计方法具有很强的现实意义。部分线性模型,作为半参数模型中最经典的模型之一,相比起一般常用的参数模型,有不可替代的优势,而在不可忽略缺失数据的问题解决上,至今还没得到很好的发展。本文对带有不可忽略缺失的数据使用部分线性模型进行统计推断,其主要研究内容包括:(1)构建了一个部分线性模型的参数化模型,根据Miao、Geng的缺失模型的识别方法,讨论了不可忽略缺失情况下,当缺失机制为logistic模型时的该模型的识别问题。(2)基于倾向得分的逆概率加权方法,对部分线性模型的未知量进行估计,根据Qin,Leung和Shao的经验似然统计推断方法,针对不可忽略缺失数据,对缺失概率函数进行估计。所得的估计量具有良好的渐近性质。(3)通过合理的模拟研究,验证了本文所提出的方法的可行性。

关键词：部分线性模型不可忽略缺失数据经验似然渐近正态性

来源：评论

学校读者我要写书评

暂无评论

IRT框架下的不可忽略缺失过程建模及Bayes估计研究

IRT框架下的不可忽略缺失过程建模及Bayes估计研究

引用

作者：李斌沈阳师范大学

学位级别：硕士

项目反应理论(IRT)是克服了经典测验理论(CTT)的局限,在潜在特质理论基础上发展起来的,主要是探讨被试在测验项目上的反应与被试潜在特质之间的关系,因此项目反应理论的核心问题是参数估计问题。参数估计过程中,常常要求数据完整,对于... 详细信息

项目反应理论(IRT)是克服了经典测验理论(CTT)的局限,在潜在特质理论基础上发展起来的,主要是探讨被试在测验项目上的反应与被试潜在特质之间的关系,因此项目反应理论的核心问题是参数估计问题。参数估计过程中,常常要求数据完整,对于缺失数据的项目参数估计引起了国内外广大学者的重视。由于不可忽略缺失的广泛存在,缺失数据的处理方法是项目反应理论的一个研究热点。本文主要研究教育与心理测量中的不可忽略缺失数据的建模和估计问题。利用项目反应模型来拟合缺失指标,对观测数据和缺失数据联合建模,基于数据扩充技术的Gibbs抽样方法,同时给出对观测数据模型和缺失指标模型的后验估计。第一章对项目反应理论的发展,当前国内外的研究现状及本篇论文的主要工作进行了简要的介绍;第二章介绍了相对于经典测验理论项目反应理论的优势,本文采用的项目反应模型,MCMC估计方法以及一些基本概念、基本理论。第三章研究了二级评分模型下不可忽略缺失数据的Bayes估计问题,采用二级评分模型来拟合观测数据,用Rasch拟合缺失指标,对观测数据和缺失数据的联合建模,进而采用Gibbs抽样方法,给出对观测数据模型和缺失指标模型的后验估计。第四章研究了等级评分模型下不可忽略缺失数据的Bayes估计问题,用等级评分模型拟合观测数据,Rasch拟合缺失指标,通过联合建模,利用Gibbs估计方法对模型进行参数估计。每章均通过模拟研究验证了所用方法有效的减小了由于忽略缺失数据估计参数时产生的偏差,论文最后给出了阶段性总结,提出未来的研究方向和工作设想。

关键词：项目反应理论(IRT) Gibbs抽样不可忽略缺失数据

来源：评论

学校读者我要写书评

暂无评论

非随机缺失机制下工具变量回归模型的统计推断

非随机缺失机制下工具变量回归模型的统计推断

引用

作者：张媛燚云南大学

学位级别：硕士

工具变量主要用于处理计量经济学中解释变量存在内生性的问题,其被广泛应用于各种模型可识别性问题研究中。当解释变量与随机干扰项的条件期望不等于零时,模型假设无法满足经典线性回归模型中的高斯马尔可夫条件,此时利用最小二乘法所... 详细信息

工具变量主要用于处理计量经济学中解释变量存在内生性的问题,其被广泛应用于各种模型可识别性问题研究中。当解释变量与随机干扰项的条件期望不等于零时,模型假设无法满足经典线性回归模型中的高斯马尔可夫条件,此时利用最小二乘法所得的参数估计量将不具备因果推断能力,即参数估计量为有偏估计量且不满足一致性。为解决模型的内生性问题,可考虑引入更多其他信息从而推断参数的无偏估计量,即工具变量。而数据收集过程中,存在诸多不可控的因素使得收集到的数据集含有缺失数据。缺失数据根据缺失机制的不同分为可忽略缺失数据与不可忽略缺失数据,本文主要解决不可忽略缺失机制下解释变量的内生性问题。对于不可忽略缺失数据,为保证模型中的所有参数均可识别,缺失概率模型及数据模型至少有一个为参数模型,因此,本文假定缺失机制为完全参数的Logistic模型,并使用工具变量法处理模型参数的可识别性问题,即引入一个与原始数据模型相关但与缺失概率模型不相关的协变量,从而得到缺失概率模型中未知参数的一致估计量。为使得不可忽略缺失机制下工具变量回归模型的参数估计量为无偏估计量,本文采用逆概率加权法构造缺失数据下工具变量的渐近无偏估计方程,并证明本文所提出的参数估计量具有较好的渐近性。由于工具变量是广义矩估计的特殊情形,本文进一步考虑模型参数过度识别时的逆概率加权广义矩估计法,得到渐近无偏的逆概率加权广义矩估计量。最后,本文使用大量数值模拟验证所提方法的稳健性与有效性,根据实验结果可知,本文所提方法具有良好的稳健性与渐近性,且满足大样本性质;在实证分析部分使用中国家庭动态追踪调查(2018)的调查数据,验证本文所提方法的实用性。

关键词：工具变量回归不可忽略缺失数据逆概率加权估计广义矩估计

来源：评论

学校读者我要写书评

暂无评论

两种不同数据类型的稳健统计推断

两种不同数据类型的稳健统计推断

引用

作者：朱彦辑中国石油大学(华东)

学位级别：硕士

在统计研究中,往往需要处理各种不同类型的数据。其中,无响应是调查抽样中一种非常普遍的现象。不可忽略的无响应,即依赖于无响应变量值的响应机制是最难处理的无响应类型。我们将不可忽略缺失数据模型、广义矩法(GMM)和通过观测数据而... 详细信息

在统计研究中,往往需要处理各种不同类型的数据。其中,无响应是调查抽样中一种非常普遍的现象。不可忽略的无响应,即依赖于无响应变量值的响应机制是最难处理的无响应类型。我们将不可忽略缺失数据模型、广义矩法(GMM)和通过观测数据而不是某些响应变量存在不可忽略缺失值来估计方程(EEs)的方法相结合,提出了一种稳健的估计方程的方法。基于一种特殊的半参数logistic模型,提出了一种改进的EEs方法来计算不可忽略缺失数据下的条件期望。我们应用GMM来估计参数,并用参数采样重要性重采样(SIR)过程代替非参数核平滑,避免了高维协变量的非参数核平滑问题。仿真结果表明,该方法比现有的一些方法具有更好的稳健性。另外,空间回归模型是处理空间相关性数据的重要工具,在空间计量学、区域科学等领域有着广泛的应用。如空间自回归(SAR)模型,主要研究的是对回归模型中未知系数的估计。以往常见的回归分析,大多是基于均值进行回归分析,也有一部分关于分位数进行回归。考虑到均值回归对于异常值以及变量密度函数非对称的情况不能很好的处理的缺点,本文提出了基于众数回归的空间自回归模型,众数对异常值具有很好的稳健性,对于密度函数不对称的情况,众数比均值更具有代表性。设计实验对模型效果进行分析,验证了相关结论。

关键词：不可忽略缺失数据重要性重采样稳健推断空间数据众数回归

来源：评论

学校读者我要写书评

暂无评论

半参数偏正态空间自回归模型的贝叶斯推断

半参数偏正态空间自回归模型的贝叶斯推断

引用

作者：杨燕昆明理工大学

学位级别：硕士

由于地理位置的相互影响,同一变量的不同数据之间常存在空间相关性,空间自回归模型充分考虑空间数据的空间相关性。在实际生活中,因数据往往存在偏斜特征,故并非所有空间数据都严格服从正态分布,自变量对响应变量不仅具有线性影响,可能... 详细信息

由于地理位置的相互影响,同一变量的不同数据之间常存在空间相关性,空间自回归模型充分考虑空间数据的空间相关性。在实际生活中,因数据往往存在偏斜特征,故并非所有空间数据都严格服从正态分布,自变量对响应变量不仅具有线性影响,可能还存在部分非线性的影响。传统的空间自回归模型未能考虑空间数据的偏斜特征以及自变量的非线性效应,若忽略这些影响易造成数据信息利用不充分,造成较大的偏差甚至是错误的估计。偏正态分布将偏度引入正态分布,可以较好的处理多峰、厚尾数据的同时且具有正态分布的优良特征,半参数模型既能有效地挖掘数据的线性特征,又能有效地处理数据的非线性特征。基于偏正态分布和非参数模型的优良性质,本文提出半参数偏正态空间自回归模型,并系统的研究了其贝叶斯统计推断。本文具体开展工作如下:(1)研究了半参数偏正态空间自回归模型的贝叶斯推断。首先在随机误差项服从偏正态分布的假设下,建立半参数偏正态空间自回归模型;利用贝叶斯P样条对模型非参数部分进行拟合;其次利用MCMC算法抽取后验分布样本,得到模型参数的贝叶斯估计值;最后,通过模拟研究及实例分析说明模型方法的有效性。(2)研究了基于Dirichlet过程的半参数偏正态空间自回归模型的贝叶斯推断。首先,假设方差服从一类未知非参数分布,利用一种灵活的分布族(Dirichlet过程)对方差进行建模,利用P样条对模型非参数部分进行拟合;其次,利用MCMC算法获得贝叶斯参数估计;最后,通过模拟及实例研究说明该模型方法的可行性。(3)研究了带有不可忽略缺失的半参数偏正态空间自回归模型的贝叶斯推断。首先,考虑因变量存在不可忽略缺失数据,通过logistic回归模型指定数据缺失机制,采用贝叶斯P样条对半参数偏正态空间模型中非参数部分进行拟合;其次,利用MCMC算法实现模型的贝叶斯参数估计;最后,通过模拟及实例论证模型方法的合理性。

关键词：偏正态分布半参数空间自回归模型 Dirichlet过程不可忽略缺失数据贝叶斯推断

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共3页 << < 1 2 3 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：