高等分层分位回归建模理论 本书特色

具有复杂时空结构的数据很普遍，这类分层结构数据的分析方法很快应用到各研究领域。田茂再编著的《高等分层分位回归建模理论》全面、系统、严格地阐明分层分位回归建模理论与方法，并尽力反映复杂分层数据分析国际前沿研究。内容涉及分层线性分位回归模型、分层广义线性分位回归模型、分层非线性分位回归模型、分层半参数分位回归模型等该领域前沿课题。 　　本书可作为统计学及其相关领域的本科生、研究生的教学参考书，也可供教师和科技人员参考。

高等分层分位回归建模理论 目录

上篇  分层结构数据均值建模理论、方法
第1章  分层线性模型
  1.1  引言
    1.1.1  背景
    1.1.2  复杂数据概念
    1.1.3  传统模型
    1.1.4  主要参考文献
  1.2  极大似然法
    1.2.1  引言
    1.2.2  em算法的定义
    1.2.3  一般性质
    1.2.4  主要参考文献
  1.3  em算法
    1.3.1  介绍
    1.3.2  协方差已知情况下的理论
    1.3.3  方差和协方差估计
    1.3.4  计算
    1.3.5  主要参考文献
  1.4  迭代广义*小二乘法
    1.4.1  引言
    1.4.2  基本模型
    1.4.3  估计
    1.4.4  误差方差、协方差及误差协方差矩阵逆
    1.4.5  随机系数
    1.4.6  参数限制
    1.4.7  解释变量有测量误差的估计量
    1.4.8  讨论
    1.4.9  主要参考文献
  1.5  得分算法
    1.5.1  引言
    1.5.2  模型
    1.5.3  对数似然函数
    1.5.4  二水平嵌套
    1.5.5  期望信息阵、雅可比行列式以及对数似然
    1.5.6  em算法
    1.5.7  多于两水平嵌套
    1.5.8  主要参考文献
  1.6  newton—raphson算法
    1.6.1  引言
    1.6.2  计算方法
    1.6.3  对数似然的导数
    1.6.4  矩阵分解
    1.6.5  参数σ与d的估计
    1.6.6  讨论与延伸
    1.6.7  主要参考文献
  1.7  贝叶斯法
    1.7.1  引言
    1.7.2  三种情况
    1.7.3  协方差结构未知时的估计
    1.7.4  协方差结构未知的例子
    1.7.5  多元回归方程间的可交换性
    1.7.6  多元回归方程中的可交换性
    1.7.7  主要参考文献
第2章  分层广义线性模型
  2.1  模型
    2.1.1  介绍
    2.1.2  分层广义线性模型
    2.1.3  典则连接模型
    2.1.4  对数连接模型
    2.1.5  典则连接模型
    2.1.6  对数连接模型
    2.1.7  *大h似然估计的性质
    2.1.8  估计过程
    2.1.9  推广
    2.1.10  讨论
    2.1.11  主要参考文献
  2.2  抽样方法
    2.2.1  引言
    2.2.2  随机效应广义线性模型
    2.2.3  贝叶斯公式
    2.2.4  gibbs抽样
    2.2.5  条件分布
    2.2.6  讨论
    2.2.7  主要参考文献
第3章  分层非线性模型
  3.1  二阶广义估计方程
    3.1.1  引言
    3.1.2  模型
    3.1.3  估计
    3.1.4  条件方差一协方差的结构
    3.1.5  惩罚尾似然和惩罚扩展*小二乘的关系
    3.1.6  渐近性质

 1/3    1 2 3 下一页 尾页

自然科学 数学 概率论与数理统计

在线阅读