(3.237.178.91) 您好!臺灣時間:2021/03/02 23:01
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:詹沖祐
研究生(外文):ZHAN, CHONG-YOU
論文名稱:廣義混舍模式參數之估計
指導教授:鄭松壽
指導教授(外文):CHEN, ZHI-RONG
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:1992
畢業學年度:80
語文別:中文
論文頁數:35
中文關鍵詞:混舍模式參數
相關次數:
  • 被引用被引用:0
  • 點閱點閱:87
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
在處理二元(binary)資料時,傳統上我們經常考慮對個體(individual)成功機率做
Probit或是羅吉斯(logistic)轉換。經由這類的轉換,我們通常可配適固定效果的
線性模式來鏈結成功率與解釋變數之間的線性關係。在本文中,我們試著在模式裡
加進隨機效果的考慮,所以模式可推廣成:
Ri│u∼B(ni,pi) Ri│u 是獨立(i=1,...,m)並且
P=Φ(XB+Zu)

此處
P=(P,...,Pm)'B=(B,...,Bp)' u=(u,...,uq)'

X:固定效果B向量的m×p設計矩陣
Z:隨機效果u向量的m×q設計矩陣
u∼N(0,σA)
σ:未知
A:q×q已知正定矩陣(positive definite matrix)
針對以上模式,本文將介紹Gilmour (1985)如何利用廣義線性模式 (generalized
linear model) 的方法來預測隨機效果,u,和估計固定效果,B以及變異數σ
。同時本文將提出另一種方法(HAM方法),該方法的靈感是得自Harville (19
84) 。我們極大化Ri 與u的聯合機率密度函數(joint pdf) ,求得u的預測,B
的估計式;同時我們假設B的事前分配(prior)服從均勻(uniform)分配,利用‘似
貝氏’(bayes-like)方法,使得σ估計式是f(r,...,rm)的極值。
最後本文將藉助模擬來比較Gilmour 方法和HAM 方法;討論在一因子隨機效果模式
(one-way random effect model)下,ni,B,以及σ如何影響HAM 方法之參數
估計的表現;並且簡要討論設計矩陣X對HAM 方法之σ估計的影響。

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔