检索结果-南通市图书馆

检索条件"主题词=Tweedie混合效应模型"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

复杂半连续纵向数据下tweedie混合效应模型的贝叶斯分析

复杂半连续纵向数据下Tweedie混合效应模型的贝叶斯分析

引用

作者：伍震寰贵州财经大学

学位级别：硕士

在实际数据分析中,常需要处理由零和正的连续数据构成的半连续数据,比如本文收集到的骨关节炎倡议（OVA）数据,其中感兴趣的一个变量——右膝盖疼痛程度,它由大量的零和正的连续数据构成,并且在OVA数据集中不仅右膝盖疼痛程度存在数据缺... 详细信息

在实际数据分析中,常需要处理由零和正的连续数据构成的半连续数据,比如本文收集到的骨关节炎倡议（OVA）数据,其中感兴趣的一个变量——右膝盖疼痛程度,它由大量的零和正的连续数据构成,并且在OVA数据集中不仅右膝盖疼痛程度存在数据缺失,其它变量也存在不同程度的缺失。对于OVA数据,我们不能简单的使用线性回归模型拟合数据,而是要根据OVA数据的特性,正确的选择适用于它的模型,并根据此模型对数据进行分析与研究。基于OVA数据集,确定了我们研究的模型——tweedie混合效应模型,在模型中,不仅存在随机效应并含有未知成分。对于tweedie混合效应模型,在贝叶斯框架下,通过三个部分进行研究。第一部分假设在完全观测的数据集下进行研究,并在广义线性模型的思想下,建立了tweedie复合泊松混合效应模型;第二部分在第一部分的基础下,假设响应变量与协变量均存在不同程度的不可忽略缺失数据,根据不可忽略缺失数据的建模方式,建立了本文的缺失机制;第三部分则是在第一部分与第二部分的基础下,对tweedie复合泊松混合效应模型的回归系数进行变量选择。在本文中,对参数部分与非参数函数都利用了两种最常用的MCMC方法,此外,非参数部分还使用了贝叶斯P样条。对于缺失机制,采用逻辑斯蒂回归建模,最后,通过贝叶斯Lasso与贝叶斯自适应Lasso对模型进行变量选择。

关键词： OVA数据 tweedie混合效应模型 MCMC方法 Logistic回归模型变量选择

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：