期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
5
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
缺失偏态数据下线性回归模型的统计推断
被引量：
10
1
作者
吴刘仓
张家茂
邱贻涛
《统计与信息论坛》
CSSCI
2013年第9期22-26,共5页
研究缺失偏态数据下线性回归模型的参数估计问题,针对缺失偏态数据,为克服样本分布扭曲缺点和提高模型的回归系数、尺度参数和偏度参数的估计效果,提出了一种适合偏态数据下线性回归模型中缺失数据的修正回归插补方法。通过随机模拟和...
研究缺失偏态数据下线性回归模型的参数估计问题,针对缺失偏态数据,为克服样本分布扭曲缺点和提高模型的回归系数、尺度参数和偏度参数的估计效果,提出了一种适合偏态数据下线性回归模型中缺失数据的修正回归插补方法。通过随机模拟和实例研究,并与均值插补、回归插补、随机回归插补方法比较,结果表明所提出的修正回归插补方法是有效可行的。
展开更多
关键词
缺失偏态数据
线性回归模型
修正回归插补
极大似然估计
下载PDF
职称材料
缺失偏态数据下联合位置与尺度模型的统计推断
被引量：
9
2
作者
李玲雪
吴刘仓
詹金龙
《统计与信息论坛》
CSSCI
2014年第3期15-21,共7页
为了研究缺失偏态数据下的联合位置与尺度模型,基于分布自身的特点,提出了一种适合缺失偏态数据下联合建模的插补方法———修正随机回归插补方法,该方法对缺失数据下模型偏度参数的调整十分显著。通过随机模拟和实例研究,并与回归插补...
为了研究缺失偏态数据下的联合位置与尺度模型,基于分布自身的特点,提出了一种适合缺失偏态数据下联合建模的插补方法———修正随机回归插补方法,该方法对缺失数据下模型偏度参数的调整十分显著。通过随机模拟和实例研究,并与回归插补和随机回归插补方法进行比较,结果表明,所提出的修正随机回归插补方法是有用和有效的。
展开更多
关键词
缺失偏态数据
联合位置与尺度模型
修正随机回归插补
极大似然估计
下载PDF
职称材料
响应变量随机缺失下偏正态众数混合专家模型的参数估计
被引量：
1
3
作者
鲁钰
吴刘仓
王格格
《应用数学》
北大核心
2023年第2期474-486,共13页
数据缺失是众多影响数据质量的因素中最常见的一种.若缺失数据处理不当,将直接影响分析结果的可靠性,进而达不到分析的目的.本文针对随机缺失偏正态数据,研究了偏正态众数混合专家模型的参数估计.将众数回归插补与聚类相结合,提出分层...
数据缺失是众多影响数据质量的因素中最常见的一种.若缺失数据处理不当,将直接影响分析结果的可靠性,进而达不到分析的目的.本文针对随机缺失偏正态数据,研究了偏正态众数混合专家模型的参数估计.将众数回归插补与聚类相结合,提出分层众数回归插补方法.利用机器学习插补和统计学插补的方法,进一步比较研究三种机器学习插补方法:支持向量机插补、随机森林插补和神经网络插补,三种统计学插补方法:分层均值插补、众数回归插补和分层众数回归插补的缺失数据处理效果.通过Monte Carlo模拟和实例分析结果表明,分层众数回归插补的优良性.
展开更多
关键词
缺失偏正态数据
众数混合专家模型
支持向量机插补
随机森林插补
BP神经网络插补
分层众数回归插补
下载PDF
职称材料
带有不可忽略缺失偏正态数据下众数回归模型的贝叶斯分析
4
作者
谭佳玲
吴刘仓
陈慧媛
《数理统计与管理》
CSSCI
北大核心
2024年第5期865-878,共14页
诸多学科领域中大量数据都存在偏斜与缺失,针对不同的缺失机制,考虑相应的处理方法是必要的。基于众数是“最多水平”的标志值,本文提出了一种同时解决数据带有偏斜特征且存在不可忽略缺失时的估计方法。通过Logistic回归模型指定数据...
诸多学科领域中大量数据都存在偏斜与缺失,针对不同的缺失机制,考虑相应的处理方法是必要的。基于众数是“最多水平”的标志值,本文提出了一种同时解决数据带有偏斜特征且存在不可忽略缺失时的估计方法。通过Logistic回归模型指定数据缺失机制,借助Gibbs抽样与M-H算法相结合的混合抽样算法,获得参数的联合贝叶斯估计。模拟研究比较了不同缺失数据机制和不同先验设定所得的结果,随机模拟表明不同先验设置下具有一致的结论且不可忽略缺失机制模型处理缺失数据优于随机缺失机制模型。电子元件损坏数据的实例分析体现了方法的可行性。
展开更多
关键词
贝叶斯估计
众数回归模型
不可忽略缺失偏正态数据
GIBBS抽样
M-H算法
原文传递
缺失偏t正态数据下线性回归模型的统计推断
被引量：
2
5
作者
吴刘仓
张家茂
李玲雪
《应用数学》
CSCD
北大核心
2015年第1期16-25,共10页
本文研究缺失偏t正态数据下线性回归模型的参数估计问题,针对缺失偏t正态数据,为使样本分布更加接近真实分布,改善模型的回归系数、尺度参数、偏度参数和自由度参数的估计效果,提高参数估计的稳定性,提出一种适合缺失偏t正态数据下线性...
本文研究缺失偏t正态数据下线性回归模型的参数估计问题,针对缺失偏t正态数据,为使样本分布更加接近真实分布,改善模型的回归系数、尺度参数、偏度参数和自由度参数的估计效果,提高参数估计的稳定性,提出一种适合缺失偏t正态数据下线性回归模型的修正随机回归插补方法.通过随机模拟和实例研究,同随机回归插补,多重随机回归插补方法比较,结果表明所提出的修正随机回归插补方法是有效可行的.
展开更多
关键词
缺失偏t正态数据
线性回归模型
修正随机回归插补
极大似然估计
下载PDF
职称材料
题名
缺失偏态数据下线性回归模型的统计推断
被引量：
10
1
作者
吴刘仓
张家茂
邱贻涛
机构
昆明理工大学理学院
出处
《统计与信息论坛》
CSSCI
2013年第9期22-26,共5页
基金
国家自然科学基金项目<复杂数据下联合均值与方差模型的统计推断>(11261025)
国家自然科学基金项目<复杂空间点过程数据的统计推断>(11126309)
云南省自然科学基金项目<云南省地区经济增长差异与效率研究>(2011FZ044)
文摘
研究缺失偏态数据下线性回归模型的参数估计问题,针对缺失偏态数据,为克服样本分布扭曲缺点和提高模型的回归系数、尺度参数和偏度参数的估计效果,提出了一种适合偏态数据下线性回归模型中缺失数据的修正回归插补方法。通过随机模拟和实例研究,并与均值插补、回归插补、随机回归插补方法比较,结果表明所提出的修正回归插补方法是有效可行的。
关键词
缺失偏态数据
线性回归模型
修正回归插补
极大似然估计
Keywords
missing
skew
-
normal
data
linear
regression
model
corrected
regression
imputation
maximum
likelihood
estimation
分类号
O212.1 [理学—概率论与数理统计]
下载PDF
职称材料
题名
缺失偏态数据下联合位置与尺度模型的统计推断
被引量：
9
2
作者
李玲雪
吴刘仓
詹金龙
机构
昆明理工大学理学院
出处
《统计与信息论坛》
CSSCI
2014年第3期15-21,共7页
基金
国家自然科学基金项目<复杂数据下联合均值与方差模型的统计推断>(11261025)
国家自然科学基金项目<复杂空间点过程数据的统计推断>(11126309)
云南省自然科学基金项目<云南省地区经济增长差异与效率研究>(2011FZ044)
文摘
为了研究缺失偏态数据下的联合位置与尺度模型,基于分布自身的特点,提出了一种适合缺失偏态数据下联合建模的插补方法———修正随机回归插补方法,该方法对缺失数据下模型偏度参数的调整十分显著。通过随机模拟和实例研究,并与回归插补和随机回归插补方法进行比较,结果表明,所提出的修正随机回归插补方法是有用和有效的。
关键词
缺失偏态数据
联合位置与尺度模型
修正随机回归插补
极大似然估计
Keywords
missing
skew
-
normal
data
joint
location
and
scale
models
corrected
random
regressionimputation
maximum
likelihood
estimation
分类号
O212.1 [理学—概率论与数理统计]
F224.0 [理学—数学]
下载PDF
职称材料
题名
响应变量随机缺失下偏正态众数混合专家模型的参数估计
被引量：
1
3
作者
鲁钰
吴刘仓
王格格
机构
昆明理工大学理学院
出处
《应用数学》
北大核心
2023年第2期474-486,共13页
基金
国家自然科学基金项目(11861041,12261051)。
文摘
数据缺失是众多影响数据质量的因素中最常见的一种.若缺失数据处理不当,将直接影响分析结果的可靠性,进而达不到分析的目的.本文针对随机缺失偏正态数据,研究了偏正态众数混合专家模型的参数估计.将众数回归插补与聚类相结合,提出分层众数回归插补方法.利用机器学习插补和统计学插补的方法,进一步比较研究三种机器学习插补方法:支持向量机插补、随机森林插补和神经网络插补,三种统计学插补方法:分层均值插补、众数回归插补和分层众数回归插补的缺失数据处理效果.通过Monte Carlo模拟和实例分析结果表明,分层众数回归插补的优良性.
关键词
缺失偏正态数据
众数混合专家模型
支持向量机插补
随机森林插补
BP神经网络插补
分层众数回归插补
Keywords
missing
skew
-
normal
data
Mode
mixture
of
experts
model
Support
vector
machine
interpolation
Random
forest
interpolation
BP
neural
network
interpolation
Hierarchical
mode
regression
interpolation.
分类号
O212.1 [理学—概率论与数理统计]
下载PDF
职称材料
题名
带有不可忽略缺失偏正态数据下众数回归模型的贝叶斯分析
4
作者
谭佳玲
吴刘仓
陈慧媛
机构
昆明理工大学理学院
昆明理工大学应用统计学研究中心
云南大学数学与统计学院
出处
《数理统计与管理》
CSSCI
北大核心
2024年第5期865-878,共14页
基金
国家自然科学基金项目(12261051)
昆明理工大学哲学社会科学科研创新团队(CXTD2023005)
云南省基础研究专项重点项目(202401AS070061)。
文摘
诸多学科领域中大量数据都存在偏斜与缺失,针对不同的缺失机制,考虑相应的处理方法是必要的。基于众数是“最多水平”的标志值,本文提出了一种同时解决数据带有偏斜特征且存在不可忽略缺失时的估计方法。通过Logistic回归模型指定数据缺失机制,借助Gibbs抽样与M-H算法相结合的混合抽样算法,获得参数的联合贝叶斯估计。模拟研究比较了不同缺失数据机制和不同先验设定所得的结果,随机模拟表明不同先验设置下具有一致的结论且不可忽略缺失机制模型处理缺失数据优于随机缺失机制模型。电子元件损坏数据的实例分析体现了方法的可行性。
关键词
贝叶斯估计
众数回归模型
不可忽略缺失偏正态数据
GIBBS抽样
M-H算法
Keywords
Bayesian
estimation
mode
regression
model
nonignorable
missing
skew
-
normal
data
Gibbs
sampler
Metropolis-Hastings
algorithm
分类号
O212 [理学—概率论与数理统计]
O212.8 [理学—数学]
原文传递
题名
缺失偏t正态数据下线性回归模型的统计推断
被引量：
2
5
作者
吴刘仓
张家茂
李玲雪
机构
昆明理工大学理学院
出处
《应用数学》
CSCD
北大核心
2015年第1期16-25,共10页
基金
国家自然科学基金资助项目(11261025
11126309)
+2 种基金
云南省自然科学基金资助项目(2009ZC039M
2011FB016
2011FZ044)
文摘
本文研究缺失偏t正态数据下线性回归模型的参数估计问题,针对缺失偏t正态数据,为使样本分布更加接近真实分布,改善模型的回归系数、尺度参数、偏度参数和自由度参数的估计效果,提高参数估计的稳定性,提出一种适合缺失偏t正态数据下线性回归模型的修正随机回归插补方法.通过随机模拟和实例研究,同随机回归插补,多重随机回归插补方法比较,结果表明所提出的修正随机回归插补方法是有效可行的.
关键词
缺失偏t正态数据
线性回归模型
修正随机回归插补
极大似然估计
Keywords
missing
skew
-t-
normal
data
Linear
regression
model
Corrected
random
re-
gression
imputation
Maximum
likelihood
estimation
分类号
O212.1 [理学—概率论与数理统计]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
缺失偏态数据下线性回归模型的统计推断
吴刘仓
张家茂
邱贻涛
《统计与信息论坛》
CSSCI
2013
10
下载PDF
职称材料
2
缺失偏态数据下联合位置与尺度模型的统计推断
李玲雪
吴刘仓
詹金龙
《统计与信息论坛》
CSSCI
2014
9
下载PDF
职称材料
3
响应变量随机缺失下偏正态众数混合专家模型的参数估计
鲁钰
吴刘仓
王格格
《应用数学》
北大核心
2023
1
下载PDF
职称材料
4
带有不可忽略缺失偏正态数据下众数回归模型的贝叶斯分析
谭佳玲
吴刘仓
陈慧媛
《数理统计与管理》
CSSCI
北大核心
2024
0
原文传递
5
缺失偏t正态数据下线性回归模型的统计推断
吴刘仓
张家茂
李玲雪
《应用数学》
CSCD
北大核心
2015
2
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
