關聯結構模型之強韌性的探討

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：20

、訪客IP：3.12.71.34

姓名

蔡宛玲(Wan-Ling Cai) 查詢紙本館藏

畢業系所

統計研究所

論文名稱

關聯結構模型之強韌性的探討
(Exporing the robustness of copula models)

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]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

近年來，Copula 成為建構多元模型相當流行的方法，且被廣泛地應用在各個領域。雖然 Copula 方法可輕易的建構多元模型，但若假設的模型與真實的分配不合時，則根據此 Copula 模型得到的統計推論是否正確，則尚未有研究探討。
本文主要的目的是，針對二元非負資料，探討 Copula 模型，在模型假設不正確下，此實作模型的推論結果是否有強韌性，並與多元負二項模型之結果作一對比。

摘要(英)

In recent years, copula models have become a popular method for modeling correlated data, and have been widely applied in many field of studies. Although one can use the copula models to construct multivariate distribution easily, there is no research discussing the robustness of copula models so far.
The purpose of this thesis is to investigate the robustness property of the copula models under model misspecifications. We also compare copula models with the multivariate negative binomial model.

關鍵字(中)

★ 多元負二項模型
★ Copula模型
★ 強韌概似函數

關鍵字(英)

★ multivariate negative binomial model
★ copula model
★ robust likelihood function

論文目次

摘要 i
Abstract ii
致謝辭 iii
目錄 iv
表目錄 v
第一章緒論 1
第二章強韌概似函數 3
第三章關聯結構(Copula) 6
3.1 關聯結構簡介 6
3.2 關聯結構模型 10
3.2.1 GW模型 12
3.2.2 GE模型 14
3.2.3 GLN模型 14
3.2.4 FW模型 16
3.2.5 FE模型 17
3.2.6 FLN模型 18
第四章強韌多元負二項概似函數 19
4.1 多元負二項I.I.D.模型修正項 19
4.2 多元負二項迴歸參數修正項 21
第五章模擬研究 25
5.1 I.I.D模型 28
5.2 線性迴歸模型 48
5.3 對數線性模型 68
第六章實例分析 88
第七章結論 93
參考文獻 94
附錄 96

參考文獻

1. Arbous, A. G. and Kerrich, J. E. (1951). Accident statistics and the concept of accident proneness. Biometrics, 7, 340-432.
2. Cherian, K. C. (1941). A bivariate correlated gamma-type distribution function. Journal of the Indian Mathematical Society, 5, 133-144.
3. Ding, A. A. and Wang, W. (2007). Inference for bivariate survival data by copula models adjusted for the boundary effect. Communication in Statistics-Theory and Methods, 36, 2927-2936.
4. Hadgu, A. and Koch, G. (1999). Application of generalized estimating equations to a dental randomized clinical trial. Journal of Biopharmaceutical Statistics, 9, 161-178.
5. Liang, K. Y. and Zeger, S. L. (1986). Longitudinal data analysis using generalized linear models. Biometrika, 73, 13-22.
6. McCullagh, P. (1983). Quasi-likelihood functions. Annals of Statistics, 11,
59-67.
7. Patton, A. J. (2004). On the out-of-sample importance of skewness and asymmetric dependence for asset allocation. Journal of Financial Econometrics, 2, 130-168.
8. 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, Series B, 65, 391-404.
9. Schmeiser, B. W. and Lal, R. (1982). Bivariate gamma random vectors. Operations Research, 30, 355-374.
10. Sklar, A. (1959). Fonctions de repartition a n dimensions et leurs marges. Publications de l’Institute de Statistique de l’Universite de Paris, 8, 229-231.
11. Tsou, T. S. and Chen, C. H. (2008). Comparing several means of dependent populations of count – a parametric robust approach. Statistics in Medicine, 27, 2576-2585.
12. 陳建宏(民96)，相關性資料的有母數強韌推論。國立中央大學統計研究所博士論文。
13. 戴名祥(民98)，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。國立中央大學統計研究所碩士論文。

指導教授

鄒宗山(Tsung-Shan Tsou)

審核日期

2011-7-14

推文