基于Guass-Seidel型迭代算法的分层模型统计推断

来源 :兰州财经大学 | 被引量 : 0次 | 上传用户:zl314
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
缺失数据现象在观测数据中是十分常见的问题,而EM算法是针对缺失数据问题中求参数估计的常用方法,是将不完全数据转化为完全数据问题来处理。针对分层线性回归模型中参数估计问题,常常以两层数据模型为例,使用EM算法迭代求解。本文针对缺失数据的分层线性回归模型提出了Guass-Seidel型迭代方法,其主要思想是,迭代产生当前最新值,并运用最新值计算得到下一步最新参数估计值,对分层线性模型中固定效应与随机效应部分的参数估计进行推导,依据判断准则决定迭代过程的收敛,直至迭代过程结束。本文主要贡献之一在于利用Guass-Seidel型迭代算法提高参数迭代收敛速度。对于处理统计推断中假设检验问题,统计推断是通过样本数据的观测信息来推断总体的主要方法,对于具有嵌套结构的分层线性回归模型的系数向量诊断方法,对分层线性回归模型的第一层模型系数诊断主要利用传统的线性嵌套回归模型检验进行统计推断。本文在对分层线性回归模型的第二层系数进行统计诊断中,将具有嵌套结构的多元线性回归模型推广到具有嵌套结构的分层线性回归模型中,主要构建分层线性回归模型似然函数比值来构造检验统计量,来判断第二层系数向量的拟合问题。最后通过随机模拟的数值结果表明,与文献中的分层线性模型的EM算法相比,Guass-Seidel型迭代方法具有更有效的收敛速度。通过高校数学成绩数据来说明具有嵌套结构的分层线性模型的统计推断方法的有效性和实用性。
其他文献
学位
学位
学位
广义线性模型是非寿险精算的标准模型,广泛应用于非寿险费率厘定和准备金评估。在索赔频率预测中,常用的广义线性模型有泊松回归模型和负二项回归。虽然广义线性模型有着很好的模型解释力,但是其并不能很好的反映数据之间的复杂关系。而神经网络模型有比较好的模型效果,可以很好的揭示数据之间的复杂关系。本文的主要目标是将GLM(Generalize Linear Model)与神经网络模型结合,获得更好预测效果的同
学位
置信区间展现的是感兴趣参数的真实值落在测量结果的周围的程度,其给出的是感兴趣参数的测量值的可信程度,置信区间是统计推断中的一个重要方向,因为估计出置信区间是我们进行预测的一个前提。对于不同的统计模型所运用的区间估计方法也是不相同的。在许多领域中,Bootstrap成为一种数据处理的有效方法,很多情况下,模型中感兴趣的参数的置信区间难以构建,为了解决这一问题,本文基于一类Bootstrap置信区间的
学位
经典Black-Scholes(B-S)模型构建后,期权定价成为学术界研究的热点话题之一.随着对经典B-S定价模型研究的不断深入,发现原来的部分假设条件难以符合实际金融情况,如连续交易且无交易费用、标的资产价格变化服从几何布朗运动、以及对数收益率服从正态分布.已有的部分文献是单一考虑,鲜有同时考虑这三个假设条件,并且分数布朗运动下的期权定价模型会出现套利机会.主要研究了混合次分数布朗运动模型建立的
期权作为当代金融衍生品市场的新兴产品,越来越成为金融界不可或缺的组成部分.而期权定价问题也一直是学者和投资者热议的话题之一,1973年B-S(Black-Scholes)公式的出现为期权、期货等金融衍生品定价提供了强有力的理论支持,引起了学术界的广泛关注.但是经典B-S模型的收益率与实际收益率呈现出的非正态性、非线性、非独立性等经验性特征不一致,因此学者们主要从两方面着手对其进行改进.一方面为了描
学位