检索结果-维普期刊中文期刊服务平台

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

共找到8篇文章

< 1 >

每页显示 20 50 100

已选择0条

导出题录引用分析

统计分析

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

贝叶斯时空分位回归模型及其对北京市PM2.5浓度的研究被引量：9: 1; 作者梅波田茂再《统计研究》 CSSCI 北大核心 2016年第12期91-100,共10页; 本文基于时空模型和非对称拉普拉斯分布提出一种新的时空分位回归模型。本文主要将空间域利用薄板回归样条展开,结合混合模型与样条之间的关系,得到分层贝叶斯分位回归模型。利用MCMC算法得到参数的后验分布,并对模型中系数的空间域进... 展开更多; 关键词时空模型薄板回归样条非对称拉普拉斯分布 MCMC 分位回归; 在线阅读下载PDF 职称材料

缺失数据下的逆概率多重加权分位回归估计及其应用被引量：7: 2; 作者邰凌楠王春雨田茂再《统计研究》 CSSCI 北大核心 2018年第9期115-128,共14页; 数据缺失问题普遍存在于应用研究中。在随机缺失机制假定下,本文从模型推断角度出发,针对线性缺失分位回归模型,提出一种新的有效估计方法——逆概率多重加权(IPMW)估计。该方法是在逆概率加权(IPW)估计的基础上,结合倾向得分匹配及模... 展开更多; 关键词线性分位回归倾向得分逆概率多重加权随机缺失机制模型平均; 在线阅读下载PDF 职称材料

函数型变量倾斜分位回归模型及其应用被引量：4: 3; 作者田茂再梅波《统计研究》 CSSCI 北大核心 2019年第8期114-128,共15页; 本文考虑函数型数据的结构特征,针对两类函数型变量分位回归模型(函数型因变量对标量自变量和函数型因变量对函数型自变量),基于函数型倾斜分位曲线的定义构建新型函数型倾斜分位回归模型。对于第二类模型,本文分别考虑样条基函数对模... 展开更多; 关键词函数型数据函数型主成分倾斜分位回归积分均分预测误差渐近分布多发性硬化症; 在线阅读下载PDF 职称材料

样本选择参数分位回归模型及其在工资分布分解中的应用: 4; 作者邰凌楠钱曼玲田茂再《统计研究》 CSSCI 北大核心 2020年第1期62-73,共12页; 在工资差距分解问题中,研究者经常会遇到样本选择偏差问题,直接忽略会导致最终估计结果产生严重偏差,同时在众多工资差距分解方法中,相比于均值分解,分布分解方法更受研究者青睐。针对参数分位回归,本文首次提出可加形式与非可加形式的... 展开更多; 关键词样本选择偏差参数分位回归工资差距分布分解; 在线阅读下载PDF 职称材料

零膨胀计数数据的联合建模及变量选择被引量：6: 5; 作者胡亚南田茂再《统计研究》 CSSCI 北大核心 2019年第1期104-114,共11页; 零膨胀计数数据破坏了泊松分布的方差-均值关系,可由取值服从泊松分布的数据和取值为零(退化分布)的数据各占一定比例所构成的混合分布所解释。本文基于自适应弹性网技术,研究了零膨胀计数数据的联合建模及变量选择问题。对于零膨胀泊... 展开更多; 关键词零膨胀泊松模型变量选择联合建模; 在线阅读下载PDF 职称材料

异质性大数据的分布式估计被引量：4: 6; 作者郭婧璇徐慧超 +1 位作者祝婉晴田茂再《统计研究》 CSSCI 北大核心 2020年第10期104-114,共11页; 随着物联网技术的进步,大数据给网络带宽和计算机存储能力带来巨大挑战,传统的集中式数据处理难以实现,客观上促进了分布式统计学习的发展。在无迭代算法研究中,Zhang等(2013)证明了当数据集个数s=O(■)时,基于局部经验风险最小化的分治... 展开更多; 关键词分治策略一步估计海量数据异质性医疗保险; 在线阅读下载PDF 职称材料

零膨胀计数数据函数型部分变系数模型被引量：1: 7; 作者王芝皓刘艳霞 +1 位作者田茂再陈小昆《统计研究》 CSSCI 北大核心 2021年第7期127-139,共13页; 在实际数据分析中经常会遇到零膨胀计数数据作为响应变量与函数型随机变量和随机向量作为预测变量相关联。本文考虑函数型部分变系数零膨胀模型(FPVCZIM),模型中无穷维的斜率函数用函数型主成分基逼近,系数函数用B-样条进行拟合。通过E... 展开更多; 关键词函数型数据分析变系数零膨胀模型函数型零膨胀模型 B-样条 Karhunen-Loève表示; 在线阅读下载PDF 职称材料

基于随机化适应性Lasso的高维变量选择被引量：3: 8; 作者闫懋博田茂再《统计研究》 CSSCI 北大核心 2021年第1期147-160,共14页; Lasso等惩罚变量选择方法选入模型的变量数受到样本量限制。文献中已有研究变量系数显著性的方法舍弃了未选入模型的变量含有的信息。本文在变量数大于样本量即p>n的高维情况下,使用随机化bootstrap方法获得变量权重,在计算适应性La... 展开更多; 关键词随机化适应性Lasso 高维变量选择选择性推断; 在线阅读下载PDF 职称材料

已选择0条

导出题录引用分析

统计分析

上一页 1 下一页到第页

使用帮助返回顶部