跳到主要內容

臺灣博碩士論文加值系統

(3.236.50.201) 您好!臺灣時間:2021/08/05 19:30
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:簡寶樺
研究生(外文):Pao-hua Chien
論文名稱:強韌變異數分析
論文名稱(外文):Robust Analysis of Variance
指導教授:鄒宗山鄒宗山引用關係
指導教授(外文):Tsung-shan Tsou
學位類別:碩士
校院名稱:國立中央大學
系所名稱:統計研究所
學門:數學及統計學門
學類:統計學類
論文種類:學術論文
論文出版年:2009
畢業學年度:97
語文別:中文
論文頁數:69
中文關鍵詞:強韌概似函數變異數分析常態實作模型
外文關鍵詞:robust likelihood functionanalysis of variancenormal working model
相關次數:
  • 被引用被引用:0
  • 點閱點閱:194
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
  在廣義線性複迴歸的架構下,Tsou (2009)對於常態實作模型提出了概似函數的修正法。當樣本數大且資料真正的分配未知的時候,即使模型假設錯誤,仍可對有興趣的迴歸參數提供正確的推論。
  使用變異數分析(ANOVA)來檢定統計資料受到那些因素的影響時,必需要假設資料服從常態分配,當真實資料不符合常態分配假設時,引用變異數分析所提供的F統計量來判斷解釋變數是否影響反應變數會造成錯誤的推斷。
  本文將此強韌法應用至變異數分析中,進一步修正F統計量與概似比統計量,研究發現,即使真實資料不符合常態分配假設,強韌變異數分析仍可提供迴歸模型正確的統計分析。
  Under the generalized multiple linear regression, Tsou(2009) proposed the robust likelihood method for normal working model. Even if the working model is wrong, it still provides correct inferences for the parameter of interest.
  We focus on applying the robust method to the analysis of variance, and further revising the F statistic and the likelihood ratio statistic. Using the robust F statistic can correctly infer the significance of regressors. The robust analysis of variance can still provide correct statistical analysis for a regression model, even if the normal assumption is improper. The efficacy of the proposed robust method is demonstrated via simulation studies and real data analyses.
中文摘要....................................................... i
英文摘要....................................................... ii
致謝辭......................................................... iii
目錄........................................................... iv
圖目錄......................................................... v
表目錄......................................................... vi
第一章 緒論................................................... 1
第二章 強韌概似函數........................................... 3
第三章 常態實作模型的修正項................................... 6
 3.1 常態模型可被強韌化...................................... 6
 3.2 干擾參數的縮減.......................................... 7
 3.3 修正項推導.............................................. 8
第四章 統計量之修正........................................... 22
 4.1 虛無假設為非截距項參數為零時統計量之關係式.............. 22
 4.2 虛無假設為有興趣參數為零時統計量之關係式................ 23
 4.3 修正統計量.............................................. 26
 4.4 修正效果................................................ 27
第五章 模擬研究............................................... 29
第六章 實例分析............................................... 44
 6.1 實例:體脂肪比率........................................ 44
 6.2 實例:網站開發者........................................ 48
第七章 結論................................................... 54
參考文獻....................................................... 55
附錄........................................................... 56
[1] Johnston, J. (1984), Econometric Theory, New York: McGraw-Hill.
[2] Kalbfleish, J.D. and Sprott, D.A. (1970). “Application of likelihood methods to models involving large numbers of parameters(with discussion),” J. R. Statist. Soc. B. 32, 175-208.
[3] Lonnie Magee. (1990), “ R2 Measures Based on Wald and Likelihood Ratio Joint Significance Tests,” The American Statistical, Vol. 44, No. 3, 250-253.
[4] Michael H. Kutner.(2004). Applied linear regression models. Boston ; New York: McGraw-Hill/Irwin. 4th ed.
[5] Royall, R.M. and Tsou, T-S (2003). Interpreting statistical evidence using imperfect models: Robust adjusted likelihood functions. Journal of the Royal Statistical Society, Series B, 65, 391-404.
[6] Ronald R. Hocking (1996). Methods and applications of linear models: regression and the analysis of variance, New York: John Wiley & Sons.
[7] Tsou, T-S (2009). Performing legitimate parametric regression analysis without knowing the true underlying random mechanisms. Communications in Statistics-Theory and Methods, 38: 1680-1689.
[8] Tsou, T-S and Chien, L-C (2005). Parametric robust tests for multiple regression parameters under generalized linear models. Advances and Applications in Statistics, 5, 51-86.
[9] Vandaele, W. (1981), “Wald, Likelihood Ratio, and Lagrange Multiplier Tests as an F Test,” Economics Letters, 8, 361-365.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top