中大機構典藏-NCU Institutional Repository-提供博碩士論文、考古題、期刊論文、研究計畫等下載:Item 987654321/7514
English  |  正體中文  |  简体中文  |  Items with full text/Total items : 78818/78818 (100%)
Visitors : 34639635      Online Users : 573
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
Scope Tips:
  • please add "double quotation mark" for query phrases to get precise results
  • please goto advance search for comprehansive author search
  • Adv. Search
    HomeLoginUploadHelpAboutAdminister Goto mobile version


    Please use this identifier to cite or link to this item: http://ir.lib.ncu.edu.tw/handle/987654321/7514


    Title: 個數資料的強韌迴歸;Robust Regression for Count Data
    Authors: 陳麗君;Li-Jiun Chen
    Contributors: 統計研究所
    Keywords: 負二項迴歸;卜瓦松迴歸;費雪訊息;概似比檢定;強韌概似;robust likelihood;fisher information;Poisson regression;negative binomial regression;likelihood ratio test
    Date: 2002-06-05
    Issue Date: 2009-09-22 10:59:10 (UTC+8)
    Publisher: 國立中央大學圖書館
    Abstract: 在釵h研究領域中,個數資料是常會碰到的資料型態。對於這一類型資料的分析,通常都在資料服從卜瓦松分配的假設下進行。然而卜瓦松分配假設之滿足,必須在一些條件下才成立。當資料不符合這些條件時,利用卜瓦松模型得到的分析結果便不正確。 本研究主要的目的,首先,在I.I.D.的架構下,利用Royall and Tsou(2001)所提的強韌卜瓦松概似函數及強韌負二項概似函數,比較二者對母體平均數的推論上的差異。另外,將在迴歸的架構下,利用Tsou(2002a),針對個數資料提出的強韌概似函數的方法,將負二項概似函數適當的修正。並比較資料來自負二項分配,強韌卜瓦松概似函數與負二項概似函數針對有興趣的迴歸參數做推論時的差異。 在I.I.D.的架構下,研究發現,強韌卜瓦松概似比檢定及強韌負二項概似比檢定都提供了正確的型一誤差機率和信賴區間的涵遝鰷v。而檢定力方面,檢定母體平均數,強韌卜瓦松與強韌負二項概似比檢定統計量的檢定力,與對立假設有關。當對立假設大於虛無假設時,強韌卜瓦松概似比的檢定力小於強韌負二項概似比;反之,則相反。 而在迴歸的架構下,對一個迴歸係數的檢定,若觀察值的變異數與觀察值的平均數成正比,則強韌卜瓦松概似比檢定力較強韌負二項概似比檢定力高。另外,不同於常態迴歸或伽瑪迴歸(Tsou,2002b),在迴歸架構下,負二項中的干擾參數,是必需估計的。
    Appears in Collections:[Graduate Institute of Statistics] Electronic Thesis & Dissertation

    Files in This Item:

    File SizeFormat


    All items in NCUIR are protected by copyright, with all rights reserved.

    社群 sharing

    ::: Copyright National Central University. | 國立中央大學圖書館版權所有 | 收藏本站 | 設為首頁 | 最佳瀏覽畫面: 1024*768 | 建站日期:8-24-2009 :::
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 隱私權政策聲明