本文主要研究内容
作者吴世朋（2019）在《多因变量回归模型的稳健贝叶斯分析及其应用》一文中研究指出：稳健性是统计推断中一个十分重要的概念,稳健性也是一个评价模型估计优劣的一项重要指标.自从上世纪50年代稳健性被正式提出以来,对稳健性的概念、类型、评价方法以及如何实现稳健估计的讨论与研究就从未停止过.国内外众多学者分别采用不同的方法对线性回归模型进行了稳健估计,多因变量回归模型较线性回归模型在实际应用中更易受到异常值的干扰.因此,多因变量回归模型的稳健估计方法是一个有价值的研究方向.本文在贝叶斯框架下围绕线性回归与多因变量回归模型的稳健估计展开了研究,在梳理了线性回归模型稳健贝叶斯估计的基础上,提出了多因变量回归模型的稳健贝叶斯分析方法.在模拟试验中,通过构造相关的统计指标和参数后验密度函数的可视化对估计方法的稳健性进行了评价.最后将本文的模型与估计方法应用到中学生体育测试成绩与身体条件之间关系的研究上面.主要内容如下:1.梳理了多因变量回归模型的基本原理和最小二乘估计方法、稳健性的相关概念、与贝叶斯统计推断相关的统计理论以及多因变量回归模型的普通贝叶斯参数估计的步骤.2.介绍了针对线性回归模型的稳健贝叶斯方法,并进行了相关的模拟试验,验证该方法的稳健性.借鉴贝叶斯线性回归模型的方法,提出了本文所要研究的贝叶斯多因变量回归模型.首先,推导了贝叶斯多因变量模型参数的条件后验分布.其次,采用Markov chain Monte Carlo(MCMC)抽样方法得到回归系数的近似后验分布.最后,在数值模拟试验中设计了多种异常值产生的模式,并构建了评价稳健性的相关指标以及参数后验密度函数曲线的绘制,说明本文所提方法具有稳健性.3.对中学生的体育测试成绩与身体素质之间的关系进行了研究.以新疆维吾尔自治区的10余所学校中学生的体育测试成绩的相关数据为例,运用最小二乘方法、普通贝叶斯方法和本文所提的稳健贝叶斯方法对中学生的体育测试成绩进行建模分析.结果分析得出,稳健贝叶斯方法得到的结果更加符合实际状况.
Abstract
wen jian xing shi tong ji tui duan zhong yi ge shi fen chong yao de gai nian ,wen jian xing ye shi yi ge ping jia mo xing gu ji you lie de yi xiang chong yao zhi biao .zi cong shang shi ji 50nian dai wen jian xing bei zheng shi di chu yi lai ,dui wen jian xing de gai nian 、lei xing 、ping jia fang fa yi ji ru he shi xian wen jian gu ji de tao lun yu yan jiu jiu cong wei ting zhi guo .guo nei wai zhong duo xue zhe fen bie cai yong bu tong de fang fa dui xian xing hui gui mo xing jin hang le wen jian gu ji ,duo yin bian liang hui gui mo xing jiao xian xing hui gui mo xing zai shi ji ying yong zhong geng yi shou dao yi chang zhi de gan rao .yin ci ,duo yin bian liang hui gui mo xing de wen jian gu ji fang fa shi yi ge you jia zhi de yan jiu fang xiang .ben wen zai bei xie si kuang jia xia wei rao xian xing hui gui yu duo yin bian liang hui gui mo xing de wen jian gu ji zhan kai le yan jiu ,zai shu li le xian xing hui gui mo xing wen jian bei xie si gu ji de ji chu shang ,di chu le duo yin bian liang hui gui mo xing de wen jian bei xie si fen xi fang fa .zai mo ni shi yan zhong ,tong guo gou zao xiang guan de tong ji zhi biao he can shu hou yan mi du han shu de ke shi hua dui gu ji fang fa de wen jian xing jin hang le ping jia .zui hou jiang ben wen de mo xing yu gu ji fang fa ying yong dao zhong xue sheng ti yo ce shi cheng ji yu shen ti tiao jian zhi jian guan ji de yan jiu shang mian .zhu yao nei rong ru xia :1.shu li le duo yin bian liang hui gui mo xing de ji ben yuan li he zui xiao er cheng gu ji fang fa 、wen jian xing de xiang guan gai nian 、yu bei xie si tong ji tui duan xiang guan de tong ji li lun yi ji duo yin bian liang hui gui mo xing de pu tong bei xie si can shu gu ji de bu zhou .2.jie shao le zhen dui xian xing hui gui mo xing de wen jian bei xie si fang fa ,bing jin hang le xiang guan de mo ni shi yan ,yan zheng gai fang fa de wen jian xing .jie jian bei xie si xian xing hui gui mo xing de fang fa ,di chu le ben wen suo yao yan jiu de bei xie si duo yin bian liang hui gui mo xing .shou xian ,tui dao le bei xie si duo yin bian liang mo xing can shu de tiao jian hou yan fen bu .ji ci ,cai yong Markov chain Monte Carlo(MCMC)chou yang fang fa de dao hui gui ji shu de jin shi hou yan fen bu .zui hou ,zai shu zhi mo ni shi yan zhong she ji le duo chong yi chang zhi chan sheng de mo shi ,bing gou jian le ping jia wen jian xing de xiang guan zhi biao yi ji can shu hou yan mi du han shu qu xian de hui zhi ,shui ming ben wen suo di fang fa ju you wen jian xing .3.dui zhong xue sheng de ti yo ce shi cheng ji yu shen ti su zhi zhi jian de guan ji jin hang le yan jiu .yi xin jiang wei wu er zi zhi ou de 10yu suo xue jiao zhong xue sheng de ti yo ce shi cheng ji de xiang guan shu ju wei li ,yun yong zui xiao er cheng fang fa 、pu tong bei xie si fang fa he ben wen suo di de wen jian bei xie si fang fa dui zhong xue sheng de ti yo ce shi cheng ji jin hang jian mo fen xi .jie guo fen xi de chu ,wen jian bei xie si fang fa de dao de jie guo geng jia fu ge shi ji zhuang kuang .
论文参考文献
论文详细介绍
论文作者分别是来自新疆大学的吴世朋，发表于刊物新疆大学2019-07-23论文，是一篇关于多因变量回归模型论文,稳健性论文,贝叶斯估计论文,新疆大学2019-07-23论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自新疆大学2019-07-23论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：多因变量回归模型论文; 稳健性论文; 贝叶斯估计论文; 新疆大学2019-07-23论文;