二維計數關聯結構模型推論之強韌性的探討

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：29

、訪客IP：18.118.2.15

姓名

陳昱廷(Yu-ting Chen) 查詢紙本館藏

畢業系所

統計研究所

論文名稱

二維計數關聯結構模型推論之強韌性的探討

相關論文

★ 不需常態假設與不受離群值影響的選擇迴歸模型的方法	★ 用卜瓦松與負二項分配建構非負連續隨機變數平均數之概似函數
★ 強韌變異數分析	★ 用強韌概似函數分析具相關性之二分法資料
★ 利用Bartlett第二等式來估計有序資料的相關性	★ 相關性連續與個數資料之強韌概似分析
★ 不偏估計函數之有效性比較	★ 一個分析相關性資料的新方法-複合估計方程式
★ (一)加權概似函數之強韌性探討 (二)影響代謝症候群短期發生及消失的相關危險因子探討	★ 利用 Bartlett 第二等式來推論模型假設錯誤下的變異數函數
★ (一)零過多的個數資料之變異數函數的強韌推論 (二)影響糖尿病、高血壓短期發生的相關危險因子探討	★ 一個分析具相關性的連續與比例資料的簡單且強韌的方法
★ 時間數列模型之統計推論	★ 複合概似函數有效性之探討
★ 決定分析相關性資料時統計檢定力與樣本數的普世強韌法	★ 檢定DNA鹼基替換模型的新方法 - 考慮不同DNA鹼基間的相關性

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

至系統瀏覽論文 ( 永不開放)

摘要(中)

在配適相關性資料時，關聯結構（Copula）模型是一種目前常用的方法。本文探討在廣義線性模型的假設下，當關聯結構模型假設錯誤時，迴歸參數之估計量的一致性問題。同時我們也將二元負二項模型的結果與關聯結構模型結果做對比。

摘要(英)

Copula models are popular in modeling correlated data. This research investigates the performance of Copula models when model assumption fails. In the setting of generalized linear models we will show that regression parameter estimates are sensitive to model misspecification and provide an alternative approach to inference about regression parameters without knowing the true underlying distribution.

關鍵字(中)

★ 關聯結構模型
★ 強韌概似函數
★ 二元負二項分配

關鍵字(英)

★ Copula model
★ robust likelihood function
★ bivariate negative binomial

論文目次

摘要 i
Abstract ii
致謝辭 iii
目錄 iv
表目錄 vi
第一章緒論 1
第二章強韌概似函數 3
第三章關聯結構(Copula) 5
3.1 Copula介紹 5
3.2 Copula實作模型 9
3.2.1 CP模型 10
3.2.2 FP模型 10
3.2.3 GP模型 11
3.2.4 CNB模型 12
3.2.5 FNB模型 13
3.2.6 GNB模型 13

第四章強韌二元負二項模型 15
4.1 二元負二項模型 15
4.2 修正項 16
第五章模擬研究 30
5.1 資料生成 30
5.2 i.i.d模型 33
5.3 簡單線性模型 57
5.4 對數線性模型 77
第六章結論 97
參考文獻 98

參考文獻

[1] Cameron, A.C., Li, T., Trivedi, P.K., Zimmer, D.M. (2004). Modelling the differences in counted outcomes using bivariate copula models with application to mismeasured counts. Econometrics Journal, 7, 566-584.
[2] Cherian, K.C. (1941). A bivariate correlated gamma-type distribution function. Journal of the Indian Mathematical Society, 5, 133-144.
[3] Clayton, D.G. (1978). A model for association in bivariate life tables and its application in epidemiological studies of familial tendency in chronic disease incidence. Biometrika, 65, 141-151.
[4] Cuadras, C.M. (2006). The importance of being the upper bound in the bivariate family. SORT 30, 55-84.
[5] Durrleman, V., Nikeghbali, A., Roncalli, T. (2000). Which copula is the right one? Working paper, Goupe de Recherche Opérationelle, Crédit Lyonnais.
[6] Frank, M.J. (1979). On the simultaneous associativity of and . Aequationes Mathematicae, 19, 194-226.
[7] Genest, C. and MacKay, J. (1986). The joy of copulas: bivariate distributions with uniform marginal. The American Statistician, 40, 280-283.

[8] Genest, C. and Rivest, L. (1993). Statistical inference procedures for bivariate archimedean copulas. Journal of the American Statistical Association, 88, 1034-1043.
[9] Gumbel, E.J. (1960). Distribution des valeurs extremes en plusieurs dimensions. Publications de l’Institut de Statistique de l’Université de Paris, 9, 171-173.
[10] Li, D.X. (2000). On default correlation: a copula function approach. Journal of Fixed Income, 9, 43-54.
[11] Royall, R.M. and Tsou, T.S. (2003). Interpreting statistical evidence by using imperfect models: robust adjusted likelihood functions. Journal of the Royal Statistical Society: B, 65, 391-404.
[12] Schmeiser, B.W. and Lal, R. (1982). Bivariate gamma random vectors. Operations Research, 30, 355-374.
[13] Sklar, A. (1959). Fonctions de répartition à n dimensions et leurs marges. Publications de l’Institut de Statistique de l’Université de Paris, 8, 229-231.
[14] Sklar, A. (1973). Random variables, joint distribution functions, and copulas. Kybernetika, 9, 449-460.
[15] Solis-Trapala, I.L. and Farewell, V.T. (2005). Regression analysis of overdispersed correlated count data with subject specific covariates. Statistics in Medicine, 24, 2557-2575.

[16] Tsou, T.S. (2015). Robust likelihood inference for multivariate correlated count data. Computational Statistics (to appear).
[17] Yahav, I. and Shmueli, G. (2012). On generating multivariate Poisson data in management science applications. Applied Stochastic Models in Business and Indutry, 28, 91-102.
[18] Yan, J. (2007). Enjoy the joy of copulas with a package copula. Journal of Statistical Software, 21, 1-21.
[19] Yang, C.C. (2011). Composite estimating equations for correlated data. Doctoral thesis, Graduate Institute of Statistics, National Central University, Zhongli, Taiwan.
[20] Yue, S., Ouarda, T. and Bobée, B. (2001). A review of bivariate gamma distribution for hydrological application. Journal of Hydrology, 246, 1-18.

指導教授

鄒宗山(Tsung-shan Tsou)

審核日期

2015-7-29

推文