• 论文 • 上一篇    下一篇

带有不可忽略缺失数据的半参数再生散度模型的贝叶斯分析

陈雪东(1), 唐年胜(2)   

  1. (1)浙江湖州师范学院, 湖州 313000;(2)云南大学统计系, 昆明 650091
  • 收稿日期:2009-01-12 修回日期:1900-01-01 出版日期:2010-10-25 发布日期:2011-10-14

陈雪东;唐年胜. 带有不可忽略缺失数据的半参数再生散度模型的贝叶斯分析[J]. 系统科学与数学, 2010, 30(10): 1334-1350.

CHEN Xuedong;TANG Niansheng. Bayesian Analysis for Semiparametric Reproductive Dispersion Models with Nonignorably Missing Data[J]. Journal of Systems Science and Mathematical Sciences, 2010, 30(10): 1334-1350.

Bayesian Analysis for Semiparametric Reproductive Dispersion Models with Nonignorably Missing Data

CHEN Xuedong(1), TANG Niansheng(2)   

  1. (1)Faculty of Science, Huzhou Normal College, Huzhou 313000;(2)Department of Statistics, Yunnan University, Kunming 650091
  • Received:2009-01-12 Revised:1900-01-01 Online:2010-10-25 Published:2011-10-14
半参数再生散度模型是再生散度模型和半参数回归模型的推广,包括了半参数广义线性模型和广义部分线性模型等特殊类型.讨论的是该模型在响应变量和协变量均存在非随机缺失数据情形下参数的Bayes估计和基于Bayes因子的模型选择问题.在分析中,采用了惩罚样条来估计模型中的非参数成分,并建立了Bayes层次模型;为了解决Gibbs抽样过程中因参数高度相关带来的混合性差以及因维数增加导致出现不稳定性的问题,引入了潜变量做为添加数据并应用了压缩Gibbs抽样方法,改进了收敛性;同时,为了避免计算多重积分,利用了M-H算法估计边缘密度函数后计算Bayes因子,为模型的选择比较提供了一种准则.最后,通过模拟和实例验证了所给方法的有效性.
Semiparametric reproductive dispersion model (SRDNM) is an extension of reproductive dispersion models and semiparametric regression models, and includes generalized partial linear model and semiparametric generalized linear model as its special cases. A method is proposed to obtain Bayesian estimation
and to select appropriate model based on Bayes factor for such model
with missing data both in covariate and response. Firstly, nonparametric components are fitted by penalized-splines and a Bayesian hierarchical model is set to model smooth parameters, then latent variables are introduced and the collapsed Gibbs sampler is implemented in order to improve the mixing and
robustness of MCMC. Finally, simulation and real datasets are presented to illustrate the proposed methods.

MR(2010)主题分类: 

()
[1] 陶丽,张元杰,田茂再. 面板数据的自适应惩罚分位回归方法[J]. 系统科学与数学, 2017, 37(2): 609-622.
[2] 祝丽萍. 缺失数据下估计方程的经验似然推断[J]. 系统科学与数学, 2013, 33(7): 766-776.
[3] 叶飞,王翼飞. 混合高阶隐马氏模型的EM算法[J]. 系统科学与数学, 2013, 33(3): 334-350.
[4] 舒焕,封达道,田茂再. 负二项抽样下需处理数置信区间构造方法的改进[J]. 系统科学与数学, 2012, 32(9): 1047-1056.
[5] 祝丽萍. 经验似然的冗余性[J]. 系统科学与数学, 2012, 32(9): 1057-1061.
[6] 冯三营,裴丽芳,薛留根. 非参数部分带有测量误差的部分线性变系数模型的经验似然推断[J]. 系统科学与数学, 2011, 31(12): 1652-1663.
[7] 刘强. 缺失数据下非线性半参数EV模型的估计[J]. 系统科学与数学, 2010, 30(9): 1236-1250.
[8] 周兴才;胡舒合. NA样本部分线性模型估计的强相合性[J]. 系统科学与数学, 2010, 30(1): 60-071.
[9] 胡宏昌. 半参数回归模型的几乎无偏岭估计[J]. 系统科学与数学, 2009, 29(12): 1605-1612.
[10] 吴小腊;李泽华;刘万荣. 变系数模型变窗宽局部M-估计的相合性[J]. 系统科学与数学, 2009, 29(6): 818-827.
[11] 李泽华;刘万荣;吴小腊. 变系数EV模型基于核估计的误差方差估计[J]. 系统科学与数学, 2009, 29(3): 342-352.
[12] 李高荣;薛留根;冯三营. 核实数据下响应变量缺失的线性EV模型经验似然推断[J]. 系统科学与数学, 2009, 29(1): 94-108.
[13] 田茂再;吴喜之;李远;周朋朋. 逆抽样下流行病发病率的逼近与渐近置信区间[J]. 系统科学与数学, 2008, 28(5): 513-523.
[14] 魏传华;吴喜之. 部分线性变系数模型的Profile Lagrange乘子检验[J]. 系统科学与数学, 2008, 28(4): 416-424.
[15] 李玉梅;钱伟民. 半参数混合效应模型中的估计及其强相合性[J]. 系统科学与数学, 2008, 28(1): 107-120.
阅读次数
全文


摘要