強韌機差

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：16

、訪客IP：3.144.230.115

姓名

詹智閔(Chih-Min Tsan) 查詢紙本館藏

畢業系所

統計研究所

論文名稱

強韌機差
(Robust deviance residuals)

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)

在模型配適過程中，機差(deviance)扮演著判斷模型是否合適的重要統計量，此統計量反應了資料與假設的模型間的差異。而根據定義，機差是依據使用的分配不同而不同。本文將試著建立在資料來源分配不知道的情況下具強韌性質的機差以用來確認迴歸模型的配適是否合適。

摘要(英)

Deviance plays a crucial role in model checking. It is the scaled difference between the model entertained and the so-called saturated model. Obviously, by definition deviance is model-dependent. This research explores the possibility for constructing less model-dependent or robust deviances that can be used for checking the appropriateness of a regression specification without knowing the true underlying distribution.

關鍵字(中)

★ 機差
★ 強韌機差
★ 配適迴歸模型

關鍵字(英)

★ deviance
★ robust deviance
★ checking regression fit

論文目次

摘要 i
Abstract ii
致謝辭 iii
目錄 iv
表目錄 vi
圖目錄 x
第一章緒論 1
第二章模型介紹 2
2.1 伽瑪迴歸模型 2
2.2常態迴歸模型 4
2.3卜瓦松迴歸模型 6
2.4負二項迴歸模型 7
2.5韋伯迴歸模型 8
2.6對數常態迴歸模型 10
2.7逆伽瑪迴歸模型 12
2.8 Delaporte迴歸模型 13
第三章強韌機差 15
3.1強韌概似函數 15
3.2 伽瑪迴歸模型下的強韌機差 17
3.3 常態迴歸模型下的強韌機差 20
3.4 卜瓦松迴歸模型下的強韌機差 22
3.5負二項迴歸模型下的強韌機差 24
第四章模擬研究 27
4.1連續型資料 27
4.2個數型資料 30
4.3模擬結果分析 31
第五章實例分析 157
第六章結論 161
參考文獻 162

參考文獻

1. Karlis D. and Xekalaki E. (2005). Mixed Poisson Distributions. International Statistical Review, 73, 35–58.
2. Mallows C. L. (1973). Some Comments on Cp. Technometrics, 15, 661–675.
3. McCullagh P. (1983). Quasi-Likelihood Functions. The Annals of Statistics, 11, 59-67.
4. Myers R. H. (1990). Classical and Modern Regression with Applications (Second edition). Boston：Duxbury Press.
5. Montgomery D. C., Peck E. A. and Vining G. G. (2012). Introduction to Linear Regression Analysis (Fifth edition). New Jersey：John Wiley and Sons.
6. Nelder J. A. and Wedderburn R. W. M. (1972). Generalized Linear Models. Journal of the Royal Statistical Society, 135, 370-384.
7. Royall R. and Tsou T.-S. (2003). Interpreting statistical evidence by using imperfect models: robust adjusted likelihood functions. Journal of the Royal Statistical Society, Series B, 65, 391-404.
8. Silvia F. and Francisco C.-N. (2004). Beta Regression for Modelling Rates and Proportions, Journal of Applied Statistic, 31, 799-815.
9. Tsou T.-S. (2006). Robust Poisson regression. Journal of Statistical Planning and Inference, 136, 3173-3186.
10. Tsou T.-S. (2009). Performing legitimate parametric regression analysis without knowing the true underlying random mechanisms. Communications in Statistics-Theory and Mechanisms, 38, 1680-1689.
11. Tsou T.-S. (2016). Expedient universal robust likelihood method for general dispersed count data. Jouranlof Statistical Computation and Simulation, 86, 2985-2994.

指導教授

鄒宗山(Tsung-Shan Tsou)

審核日期

2017-6-21

推文