论文部分内容阅读
广义线性回归模型不局限于误差项的不相关和同方差假设,是学习和研究其他统计模型的基础,因其简洁性在各领域仍然有着十分广泛的应用。广义线性回归模型的预测是统计决策的重要内容。实际应用中,预测者需要同时掌握因变量真值及其均值的预测,并选择提供何种预测。在此背景下,本文在不同准则下研究了广义线性回归模型因变量真值与均值的联合预测及其性质。在二次损失下,本文分别在参数已知和未知的情况下得到了广义线性回归模型因变量真值与均值的最优线性无偏联合预测。提出了留一交叉验证法选择联合预测中的权重取值。比较研究表明,在某些准则下,二次损失下求得的最优线性无偏联合预测优于因变量的最优线性无偏预测和简单投影预测。在二次损失下,本文分别得到了广义线性回归模型因变量真值与均值的联合预测在齐次和非齐次线性预测类中是可容许预测的充分必要条件。在矩阵损失下,本文分别得到了广义线性回归模型因变量真值与均值的联合预测在齐次和非齐次线性预测类中是可容许预测的充分必要条件,并由此得到了矩阵损失下的最优线性无偏联合预测。比较研究表明,在某些准则下,矩阵损失下求得的最优线性无偏联合预测优于因变量的最优线性无偏预测和简单投影预测。通过联合预测中权重取值的调整,本文得到了二次损失函数及矩阵损失函数下广义线性回归模型因变量真值及其均值各自的预测及可容许性。综合考量预测的精度及预测与模型的拟合优度,本文提出了平衡损失函数作为预测标准,并在此标准下得到了因变量的最优线性无偏预测及其可容许预测。改进平衡损失函数,本文得到了平衡损失函数下因变量线性函数的最优线性无偏预测及其可容许性,以及二次损失下真值及其均值线性函数的联合预测的最优无偏性及可容许性。通过数值模拟,对于误差项具有两种概率分布的广义线性回归模型,本文首先作图描述了因变量真值的最优线性无偏预测、简单投影预测和最优线性无偏联合预测结果。其次,验证了留一交叉验证法选择联合预测中的权重取值的可行性。最后,验证了最优线性无偏联合预测较之因变量真值的最优线性无偏预测及简单投影预测的优良性。实例分析中,本文研究了一组外贸数据的相互关系,在误差项具有两种概率分布的广义线性回归模型假设下,采用留一交叉验证法选择联合预测中的权重取值。