简介:纵向数据在生物、医学和经济学中的研究普遍使用。近年来,对纵向数据各种模型的研究引起国内外统计学者的广泛关注。本文建立了半参数纵向数据的Possion回归模型。并利用极大似然估计对此模型的参数进行了估计,讨论了它的Fisher信息矩阵,给出了似然方程的Newton-Raphson迭代求解过程。
简介:如何在对参数进行估计的同时自动选择重要解释变量,一直是面板数据分位回归模型中讨论的热点问题之一。通过构造一种含多重随机效应的贝叶斯分层分位回归模型,在假定固定效应系数先验服从一种新的条件Laplace分布的基础上,给出了模型参数估计的Gibbs抽样算法。考虑到不同重要程度的解释变量权重系数压缩程度应该不同,所构造的先验信息具有自适应性的特点,能够准确地对模型中重要解释变量进行自动选取,且设计的切片Gibbs抽样算法能够快速有效地解决模型中各个参数的后验均值估计问题。模拟结果显示,新方法在参数估计精确度和变量选择准确度上均优于现有文献的常用方法。通过对中国各地区多个宏观经济指标的面板数据进行建模分析,演示了新方法估计参数与挑选变量的能力。
简介:摘要:全民健康是建设“健康中国”的根本目的,提高公众基本医疗素养有利于推进“健康中国”建设,进而实现全民健康。本研究基于问卷调查法、实地研究法、文献研究法等方法对山东省公众基本医疗素养进行调研,共收集12584份问卷,进行了一般资料的描述性分析、KAP(Knowledge-Attitude-Practice,知-信-行)问卷三维度正确率分析以及多因素Logistic回归分析,对收集的健康数据分析发现:公众基本医疗素养处于较低水平,特别是青年人群、低文化水平人群、职业不稳定人群、农村居民、患有慢性病人群。团队从数据结果、知
简介:在基于固定窗口宽度滑动窗口模型的基础上。提出了一种基于回归参数存储的预测模型,该模型设置了计算区、数据区和参数区。计算区用于获得最近一个滑动窗口中的数据。数据区用于接收新数据,参数区存储最近若干组滑动窗口数据所计算得到的线性回归参数值,作为计算预测结果的原始数据集。按照这种模型的处理思路。提出了一种基于数据平滑技术的回归预测算法,随着窗口的滑动。对数据区中的数据进行回归分析,获得前面若干组滑动窗口数据的回归函数并存入参数区中,检验当前窗口中数据获得的回归函数预测效果。实验分析表明。通过修正当前回归函数的参数。可以使预测函数的预测精度得到很大程度的提高。