论文部分内容阅读
广义线性模型(Generlized Linear Models,GLM)是经典的线性模型的一个重要推广,其模型比较灵活,适用范围更加广泛.本文主要研究第一阶段累积Logit模型、第二阶段序贯Logit模型的两阶段模型中极大似然估计(Maximum likelihood estimation, MLE)的强相合性.
研究广义线性模型极大似然估计的强相合性,可以对实际问题中所收集到的数据作出合理分析和深入研究,这具有一定的理论价值和现实意义.本文研究了广义线性模型中两阶段模型极大似然估计的强相合性,主要介绍了第一阶段累积Logit模型第二阶段序贯Logit模型的两阶段模型结构及模型建立,重点讨论了该两阶段模型在一定条件下的极大似然估计的强相合性,并为今后应用该类模型处理实际问题提供一些理论基础.
本文分为三章,主要内容概述如下:
第一章主要介绍了国内外研究的背景、广义线性模型的基本概念.
第二章在累积logit模型和序贯logit模型的基础上,构建了第一阶段累积Logit模型第二阶段序贯Logit模型的两阶段模型.
第三章重点讨论了第一阶段累积Logit模型第二阶段序贯Logit模型的两阶段模型在去掉回归量{zi,i≥1}有界这一前提,在‖zn‖=0(logn)和λminn∑i=1zizi> cnα(对某个c>0,α>0)条件下建立极大似然估计的强相合性,其中Zi是协变量,λminA表示矩阵A的最小特征根.