強韌迴歸; Robust Regression

NCU Institutional Repository > 理學院 > 統計研究所 > 博碩士論文 > Item 987654321/7480

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/7480

题名:	強韌迴歸;Robust Regression
作者:	劉素韻;Su-Yun Liu
贡献者:	統計研究所
关键词:	常態迴歸;伽瑪迴歸;費雪訊息;概似比檢定;強韌概似;負二項迴歸;卜瓦松迴歸;negative binomial regression;Poisson regression;robust likelihood;likelihood ratio test;fisher information;gamma regression;normal regression
日期:	2002-06-05
上传时间:	2009-09-22 10:58:36 (UTC+8)
出版者:	國立中央大學圖書館
摘要:	在做統計分析的時候，對於正的連續隨機變數，常常會利用對數轉換，並且假設轉換後的變數來自常態分配。在常態的假設下，再作進一步的推論分析。但是這種常使用的分析方法，在資料不具對數常態分配時，會導致錯誤的結果。在線性複迴歸的架構之下，Tsou(2002a)針對常態迴歸模型與伽瑪迴歸模型，分別提出了概似函數的修正法。而修正過的概似函數，不論觀察值的真正分配為何，皆可對迴歸係數提供正確的推論。而Tsou(2002b)則針對計數資料的複迴歸問題，分別提出了卜瓦松模型與負二項模型的修正項。同樣的，不論計數資料真正的分配為何，修正過的卜瓦松概似函數與負二項概似函數，都可提供迴歸係數正確的推論。本研究將對上述各實作模型的修正項，作進一步的分析、整理與歸納。並特別針對常態模型與伽瑪模型，證明對變異係數為常數的分配，即變異數正比於平均數平方的分配而言，修正過的伽瑪概似函數較修正過的常態概似函數有較高的檢定力。
显示于类别:	[統計研究所] 博碩士論文

文件中的档案:

档案	大小	格式	浏览次数

在NCUIR中所有的数据项都受到原著作权保护.

社群 sharing

数据加载中.....