發(fā)布時間：2020-12-24 18:16

　　在科學研究中,經(jīng)常會遇到零膨脹計數(shù)數(shù)據(jù),這類數(shù)據(jù)的共同點就是,觀測數(shù)據(jù)的方差變化大于均值,我們通常稱這是超散度問題。針對零膨脹計數(shù)數(shù)據(jù),當面臨一些復雜數(shù)據(jù)的情況下,比如有時候我們并不清楚某個協(xié)變量到底是對零膨脹部分有影響,還是對分布均值有影響,又或者是對這兩者都有影響,目前我們的解決辦法是先結合實際,然后再通過一遍遍的模擬來確定,這是相當麻煩和不精確的。針對某個協(xié)變量對零膨脹率或分布均值有影響的情況,研究起來并不困難,但當某個協(xié)變量對這兩部分都有影響并且存在某中關聯(lián)時,此時再用普通的零膨脹計數(shù)模型進行研究會不切實際,會產(chǎn)生較大的誤差。面對上面的問題,本文研究了某個協(xié)變量對這兩者都有影響的情況下,假設非零膨脹率和某種分布均值之間存在某種線性關系,例如捕魚數(shù)據(jù),捕魚量受各種因素的影響,比如水的深度和經(jīng)緯度即影響日平均捕魚量,又影響非零捕獲率,它們之間很肯存在某種線性關系,此時可以用帶約束的零膨脹計數(shù)模型進行研究,約束條件為非零膨脹率和某種分布均值之間存在線性關系。加了約束條件的模型雖然又引入了新的參數(shù),但相比無約束的情況,模型反而更加簡潔,參數(shù)個數(shù)變少等優(yōu)點,目前國內(nèi)對此類型的數(shù)據(jù)缺乏系統(tǒng)... 

【文章來源】：蘭州財經(jīng)大學甘肅省

【文章頁數(shù)】：53 頁

【學位級別】：碩士

【部分圖文】：

改進前后的有約束的ZIPM中的()

改進前后的有約束的半?yún)��?shù)ZIGPM和的估計

圖 5.3 改進前后的有約束的半?yún)��?shù) ZINBM( )1 3m x 和 ( )2 4 5m x ,x 的估計由圖 5.1、圖 5.2 和圖 5.3 可以看出，帶約束的半?yún)��?shù)零膨脹廣義泊松回歸模型對這批實驗數(shù)據(jù)模擬的效果總體較好.特別是非參數(shù)部分的估計，置信帶更窄，擬合的二維非參數(shù)部分的效果更平滑，更接近實際圖形。并且由表一的參數(shù)估計結果可以很明顯的看出在對數(shù)似然函數(shù)后面加了懲罰項后，廣義泊松分布下的模型具有更好的適用性。通過計算logE得出，帶約束的半?yún)��?shù)零膨脹計數(shù)回歸模型具有更大的邊際似然可能性，這表明模型的選擇標準更傾向于選擇COZIGPM。

【參考文獻】：
期刊論文
[1]零膨脹計數(shù)數(shù)據(jù)回歸模型的選擇與比較及R語言的實現(xiàn)[J]. 劉振球,嚴瓊,左佳鷺,方綺雯,張鐵軍.  中國衛(wèi)生統(tǒng)計. 2018(02)
[2]零膨脹泊松分布參數(shù)的固定寬度置信區(qū)間構造方法[J]. 李二倩,田茂再.  應用概率統(tǒng)計. 2018(01)
[3]零膨脹損失次數(shù)的貝葉斯分位回歸模型[J]. 楊亮,孟生旺.  數(shù)量經(jīng)濟技術經(jīng)濟研究. 2017(05)
[4]一類非參數(shù)回歸模型核估計的漸近性質(zhì)[J]. 田亞愛,田錚.  數(shù)學的實踐與認識. 2017(01)
[5]廣義線性模型極大似然估計的漸近性質(zhì)[J]. 張戈.  喀什大學學報. 2016(03)
[6]隨機效應零膨脹索賠次數(shù)回歸模型[J]. 孟生旺,楊亮.  統(tǒng)計研究. 2015(11)
[7]一類零膨脹半?yún)��?shù)混合效應模型的懲罰似然估計[J]. 施紅星.  應用概率統(tǒng)計. 2012(03)
[8]零膨脹計數(shù)資料模型選擇與比較[J]. 原靜,劉桂芬,薛玉強.  中國衛(wèi)生統(tǒng)計. 2011(04)
[9]零膨脹損失次數(shù)回歸模型及其應用[J]. 孟生旺,王維.  蘭州商學院學報. 2011(01)
[10]半?yún)��?shù)廣義線性混合效應模型的估計及其漸近性質(zhì)[J]. 張浩,朱仲義.  應用概率統(tǒng)計. 2009(02)

碩士論文
[1]計數(shù)數(shù)據(jù)的廣義部分線性可加模型的漸近性質(zhì)[D]. 蒙建國.廣西大學 2017
[2]零膨脹Poisson混合回歸模型的統(tǒng)計推斷[D]. 陳異.昆明理工大學 2013



本文編號：2936097